局部线性判别嵌入(locally linear discriminant embedding,LLDE)将局部线性嵌入(locally linear embedding,LLE)和最大间隔(maximum margin criterion,MMC)进行融合,有效地提高了LLE算法的识别力。但其保留的是数据的全局判别信息,且依赖数据的分布。针对LLDE的不足,本研究将LLE和加权非参数最大间隔(weighted non-parametric maximum margin criterion,WNMMC)进行融合,提出了一种新的有监督的降维方法——非参数判别性局部线性嵌入(nonparametric locally linear discriminant embedding,NLLDE)。NLLDE保留了数据更为有效的局部判别信息,因此更具判别力。NLLDE采用了非参数数据表示,使得模型及求解不依赖于数据的分布,克服了LLDE针对高斯分布数据有效的局限,其应用范围更为广泛。Yale和PIE人脸数据库上的实验结果证实了NLLDE的高效性。
