本文提出了一种名为边缘与非局部鉴别嵌入（MNDE）的方法对小样本高维数据进行维数约简。MNDE可以看成基于多子流形的一种线性迫近的算法。它同时考虑了数据的边缘、局部性与非局部性去求一个较好的投影方向，使得在低维空间中类内样本最紧密，类间边缘与非局部性最大化。我们通过这三种几何性质的刻画，使得MNDE的鉴别能力优于LDA和MFA。在Yale、ORL、AR人脸图像库的实验表明，当在小样本情况下，MNDE一致优于LDA和MFA。在CMU人脸表情图像库做的实验表明，当训练样本数较大时，MNDE与MFA略差于LDA。

>>查看原文链接<<

>>更多科技论文<<