标签敏感的多重集正交相关特征融合方法
典型相关分析(CCA)作为一种经典的特征融合方法,广泛用于模式识别领域,其目标是学习相关投影方向使两组变量间的相关性最大,但其没有考虑样本的类标签信息和样本间的信息冗余(MDOCCA),从而影响了融合后特征的监督敏感性和鉴别力.为此,该文提出一种标签敏感的多重集正交相关特征融合方法,该方法在典型相关分析理论基础上,将类标签信息嵌入到特征融合框架,同时加入正交约束确保融合特征最大限度的不相关,减少特征信息冗余,提高鉴别力.在不同图像数据集上的实验结果显示该方法是一种有效的特征融合方法.
特征融合、典型相关分析、多重集、鉴别、正交
44
TN911.73;TP391.4
国家自然科学基金;中国博士后科学基金
2022-10-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
3458-3464