摘要：最近邻特征空间嵌入（nearest feature space embedding，NFSE）方法选取最近邻特征空间时使用欧氏距离度量...最近邻特征空间嵌入（nearest feature space embedding，NFSE）方法选取最近邻特征空间时使用欧氏距离度量，导致样本的类内离散度和类间离散度同步变化，无法准确反映样本在高维空间的分布；选取每个样本最近邻特征空间都要遍历所有类，导致训练时间长。针对以上问题，提出非线性距离的最近邻特征空间嵌入改进方法（nearest feature space embedding method based on nonlinear distance metric，NDNFSE），引入非线性距离公式选取最近邻特征空间，并使用结合夹角度量的最近邻分类器，提高了识别率；仅在样本的近邻类中选取最近邻特征空间，有效减少了训练时间。实验表明，NDNFSE的训练时间明显低于NFSE，识别率总体高于各对比算法。显示全部
