有序判别典型相关分析

被引：6

作者：

周航星

陈松灿

机构：

[1] 南京航空航天大学计算机科学与技术学院

来源：

软件学报 | 2014年 / 25卷 / 09期

关键词：

典型相关分析; 有序回归; 分类; 信息融合; 判别分析;

D O I：

10.13328/j.cnki.jos.004649

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

多视图学习方法通过视图间互补信息的融合,达到增强单一视图方法的鲁棒性并提升学习性能的目的.典型相关分析(canonical correlation analysis,简称CCA)是一种重要的多视图信息融合技术.其研究的是针对同一组目标两组不同观测数据间的相关性,目标是得到一组相关性最大的投影向量.但当面对标号有序的分类任务时,CCA因没有利用类信息和类间有序信息,造成了对分类性能的制约.为此,通过将有序类信息嵌入CCA进行扩展,发展出有序判别典型相关分析(ordinal discriminative canonical correlation analysis,简称OR-DisCCA).实验结果表明,OR-DisCCA的性能比相关方法更优.

引用

页码：2018 / 2025

页数：8