利用特征信息的加权典型相关分析算法

摘要：

典型相关分析(canonical correlation analysis,CCA)是一种寻求同一对象的2组变量之间最大相关性的多元统计方法,通过线性组合各组特征提取出对应的典型相关特征.但在简单地线性组合各组特征时,传统的CCA并未考虑特征的本征属性信息,无法区分主要特征和次要特征.充分运用特征本身的方差信息和提取后的典型相关信息,提出一种利用特征信息的加权典型相关分析(weighted canonical correlation analysis,WCCA).一方面,利用方差信息对原始特征进行加权处理,使得原始特征的重要性更加具有区分度;另一方面,利用典型相关性对提取后的特征进行加权处理,既进一步增强了特征的主次关系,又保留了小相关性的特征信息.综合这2方面的特征信息,WCCA提取后的特征在分类和识别上更具有表现力.在ORL和AR人脸数据库以及对象识别数据库COIL20上的实验结果验证了该方法的有效性.

关键词：典型相关分析、加权特征、方差、典型相关性、特征提取、加权典型相关分析

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61305017;江苏省普通高校研究生科研创新计划项目KYLX16_0781;江苏省普通高校研究生科研创新计划项目KYLX16_0782;江苏省高校优势学科建设工程项目

在线出版日期：2018-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：280-288