二元分类问题的最优分类线性降维

军事领域经常会遇到高维二元分类问题,过高的数据维度大大提高了数据获取的难度和分类计算难度。文中,针对高维高斯模型的二元分类问题,研究如何在降低分类问题维度的情况下保留最多的差异信息,使降维后进行分类的平均误差概率最小。使用切诺夫距离作为衡量两个高维高斯模型差异的度量,文中给出了高斯分类问题的最优分类线性降维方法,并证明其最优性。通过该方法对两个高维高斯模型线性降维,可在保留两个分布之间最多差异信息的基础上,降低其存储和计算资源需求。