混合概率典型相关性分析

被引：24

作者：

张博 ^{[1
,2
,3
]}

郝杰 ^{[4
]}

马刚 ^{[1
,2
]}

岳金朋 ^{[1
,2
]}

张建华 ^{[1
,2
]}

史忠植 ^{[1
]}

机构：

[1] 中国科学院计算技术研究所智能信息处理重点实验室

[2] 中国科学院大学

[3] 中国矿业大学计算机科学与技术学院

[4] 徐州医学院医学信息学院

来源：

计算机研究与发展 | 2015年 / 52卷 / 07期

关键词：

典型相关性分析; 概率典型相关性分析; 混合概率模型; 聚类融合; 模式识别;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

典型相关性分析(canonical correlation analysis,CCA)是一种用来分析2组随机变量之间相关性的统计分析工具,但作为一种线性数学模型,CCA不足以揭示真实世界中大量存在的非线性相关现象.采用局部化的方法,在概率典型相关性分析(probabilistic CCA,PCCA)的基础上,使用概率混合模型框架,提出了混合概率典型相关性分析模型(mixture of probabilistic CCA,MixPCCA)以及估计模型参数的2阶段期望最大化(expectation maximization,EM)算法,并给出了使用聚类融合确定局部线性模型数量的方法和MixPCCA模型应用于模式识别的理论框架.在手写体数据集USPS和MNIST上的实验证明,MixPCCA模型通过混合多个局部线性PCCA模型不仅提供了一种捕捉复杂的全局非线性相关性的解决方案,而且还具备检测只在局部区域才存在的相关性的能力.

引用

页码：1463 / 1476

页数：14

共 8 条

[1] 半监督典型相关分析算法 [J].

彭岩 ;

张道强 .

软件学报, 2008, (11) :2822-2832

[2] 典型相关分析的理论及其在特征融合中的应用 [J].

孙权森 ;

曾生根 ;

王平安 ;

夏德深 .

计算机学报, 2005, (09) :1524-1533

[3] A New Locality-Preserving Canonical Correlation Analysis Algorithm for Multi-View Dimensionality Reduction [J].

Wang, Fengshan ;

Zhang, Daoqiang .

NEURAL PROCESSING LETTERS, 2013, 37 (02) :135-146

[4] Dimensionality reduction by Mixed Kernel Canonical Correlation Analysis [J].

Zhu, Xiaofeng ;

Huang, Zi ;

Shen, Heng Tao ;

Cheng, Jian ;

Xu, Changsheng .

PATTERN RECOGNITION, 2012, 45 (08) :3003-3016

[5]

Multiple view semi-supervised dimensionality reduction[J] . Chenping Hou,Changshui Zhang,Yi Wu,Feiping Nie.Pattern Recognition . 2009 (3)

[6]

Locality preserving CCA with applications to data visualization and pose estimation[J] . Tingkai Sun,Songcan Chen.Image and Vision Computing . 2006 (5)

[7]

Consensus Clustering: A Resampling-Based Method for Class Discovery and Visualization of Gene Expression Microarray Data[J] . Stefano Monti,Pablo Tamayo,Jill Mesirov,Todd Golub.Machine Learning . 2003 (1)

[8]

http://yann.lecun.com/exdb/mnist .

← 1 →