未找到相关数据
基于秩2更新的多维数据流典型相关跟踪算法
被引：6
作者：
杨静
李文平
张健沛
机构：
[1] 哈尔滨工程大学计算机科学与技术学院
来源：
基金：
黑龙江省自然科学基金;
关键词：
多维数据流;
典型相关分析;
秩2更新;
快速跟踪;
特征子空间;
D O I：
暂无
中图分类号：
TP311.13 [];
学科分类号：
1201 ;
摘要：
现存的多维数据流典型相关分析(Canonical Correlation Analysis,简称CCA)算法主要是基于近似技术的求解方法,本质上并不是持续更新的精确算法.为了能在时变的环境中持续、快速而精确地跟踪数据流之间的相关性,本文提出一种多维数据流典型相关跟踪算法TCCA.该算法基于秩2更新理论,通过并行方式持续更新样本协方差矩阵的特征子空间,进而实现多维数据流典型相关的快速跟踪.理论分析及仿真实验结果表明,TCCA具有较好的稳定性、较高的计算效率和精度,可以作为基本工具应用于数据流相关性检测、特征融合、数据降维等数据流挖掘领域.
引用
收藏
页码：1765 / 1774
页数：10
相关论文