增强组合特征判别性的典型相关分析

被引：8

作者：

周旭东 ^{[1
,2
]}

陈晓红 ^{[3
]}

陈松灿 ^{[1
,4
]}

机构：

[1] 南京航空航天大学计算机科学与技术学院

[2] 扬州大学信息工程学院

[3] 南京航空航天大学理学院

[4] 南京大学计算机软件新技术国家重点实验室

来源：

模式识别与人工智能 | 2012年 / 25卷 / 02期

关键词：

典型相关分析(CCA); 分类; 降维; 组合特征; 信息融合;

D O I：

10.16451/j.cnki.issn1003-6059.2012.02.025

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

典型相关分析(CCA)在执行分类任务时主要存在如下不足:1)尽管分类时的输入是组合特征,但CCA仅优化组合特征的各组成部分,并未直接优化组合特征本身;2)尽管面对的是分类任务,然而CCA根本无法利用样本的类信息.为弥补CCA的上述不足,文中提出一种监督型降维方法——增强组合特征判别性的典型相关分析(CECCA).CECCA在CCA基础上,通过结合组合特征的判别分析,实现对组合特征相关性与判别性的联合优化,使所抽取特征更适合分类.在人工数据集、多特征手写体数据集和人脸数据集上的实验结果验证该方法的有效性.

引用

页码：285 / 291

页数：7

共 6 条

[1] Multi-set canonical correlation analysis for the fusion of concurrent single trial ERP and functional MRI
Correa, Nicolle M.
Eichele, Tom
Adali, Tulay
Li, Yi-Ou
Calhoun, Vince D.
[J]. NEUROIMAGE, 2010, 50 (04) : 1438 - 1445
[2] Super-resolution of human face image using canonical correlation analysis
Huang, Hua
He, Huiting
Fan, Xin
Zhang, Junping
[J]. PATTERN RECOGNITION, 2010, 43 (07) : 2532 - 2543
[3] A New Canonical Correlation Analysis Algorithm with Local Discrimination
Peng, Yan
Zhang, Daoqiang
Zhang, Jianchun
[J]. NEURAL PROCESSING LETTERS, 2010, 31 (01) : 1 - 15
[4] A new method of feature fusion and its application in image recognition
Sun, QS
Zeng, SG
Liu, Y
Heng, PA
Xia, DS
[J]. PATTERN RECOGNITION, 2005, 38 (12) : 2437 - 2448
[5] Canonical Correlation Analysis: An Overview with Application to Learning Methods[J] . David R. Hardoon,Sandor Szedmak,John Shawe-Taylor. Neural Computation . 2004 (12)
[6] Image Classification Using Correlation Tensor Analysis .2 Fu Yun,Huang T S. IEEE Trans on Image Processing . 2008

← 1 →