无参数近邻保持及最大化非近邻算法

　　无参数保持投影算法无需参数设置且识别性能稳定，但算法不能有效地保持样本的局部结构，且忽略了非局部样本所起的作用，而且存在着小样本（ sss）问题，为此提出了一种完备的无参数近邻保持及最大化非近邻算法。算法以样本间余弦距离0.5为分界点将样本分成近邻及非近邻样本，为了充分利用近邻样本及非近邻样本，分别构造了近邻散度矩阵及非近邻散度矩阵，因此算法的目标函数就是求取能够最小化近邻散度矩阵的同时，最大化非近邻散度矩阵的投影矩阵。对于目标函数的求解，可先将高维样本通过主成分分析（PCA）算法降至一个低维的予空间，并通过两个定理证明了这种处理方法没有损失任何有效的判别信息；然后将目标函数转换为差形式，从而有效地解决了小样本问题。在人脸库及掌纹库上的实验结果表明，与无参数局部保持投影算法相比，所提算法平均识别率更高，验证了算法的有效性。