TY -的A2 -叮,白元盟——田Yanjia盟——冯,湘PY - 2021 DA - 2021/12/03 TI -大边缘图Embedding-Based判别降维SP - 2934362六世- 2021 AB -判别图Embedding-Based降维方法吸引了越来越多的关注在过去的几十年里。这些方法构造一个内在图和惩罚图保留组内样本的内在几何结构和单独的组内的样本。然而,边际样品不能准确表征只有惩罚图因为他们平等对待每个样本。在实践中,这些边际样本往往影响的分类性能,需要特殊处理。在这项研究中,附近邻居的假说的进一步最大化边际样品分离组内的样本,提高判别的能力通过整合内在图和罚款图。一本小说名叫LMGE-DDR判别降维已经提出。一些公共数据集进行实验来验证的有效性提出LMGE-DDR如ORL、耶鲁大学,曼彻斯特理工,FERET, CMIU-PIE09,和AR。LMGE-DDR执行比其他方法相比,和相应的标准差LMGE-DDR小于其他人。这表明,评价方法验证了方法的有效性。SN - 1058 - 9244 UR - https://doi.org/10.1155/2021/2934362 - 10.1155 / 2021/2934362摩根富林明科学编程PB - Hindawi KW - ER