一种基于邻接图模型的改进LDA算法

PCA、LDA等子空间特征抽取方法已经被研究了好多好多年了，论文也多得不计其数。

最近浏览了一篇PR上的关于改进LDA的论文，拿出来分享一下。想说，这篇论文的题目真是取的够差的，Enhanced FLDA，就不能specific一点吗！

主要思想，改造了fisher准则（貌似好多论文都是以这个为出发点），通过邻接图模型（adjacency graph）来preserve类内样本之间的variation.

作者认为保持类内variation（使原本分散的类内样本在投影后仍能保持分散的性质）可以提高算法的稳定性和泛化性能。

类似的论文还有杨健老师的：

PR11 From Classifiers to Discriminators: A Nearest Neighbor Rule Induced Discriminant Analysis