基于广义均值的鲁棒典型相关分析算法

摘要：

典型相关分析(canonical correlation analysis,CCA)是一种寻求同一对象的两组变量之间最大相关性的多元统计方法,其基于L2范数的最小均方误差(mean square error,MSE)的准则函数对于野值点非鲁棒.广义均值不仅在理论上被证明是鲁棒的,而且在聚类和对象识别等应用中获得了有效性验证.将广义均值应用于CCA,提出了一种基于广义均值的鲁棒CCA(CCA based on generalized mean,GMCCA),成功克服了CCA对野值点敏感的不足.一方面,通过抑制野值点对准则函数的影响,达到鲁棒的效果.另一方面,GMCCA避免了高维小样本导致协方差矩阵奇异的问题.在多特征手写体数据库(multiple feature database MFD)、人脸数据库(ORL)和对象图像数据库(COIL-20)上的实验结果验证了该算法的有效性.

关键词：广义均值、均方误差、典型相关分析、鲁棒性、鲁棒典型相关分析

所属期刊栏目：11

分类号：TP391.41(计算技术、计算机技术)

资助基金：The Research Innovation Program for College Graduates of Jiangsu Province under Grant No. KYLX15_1169;the Priority Academic Program Development of Jiangsu Higher Education Institutions

在线出版日期：2017-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1140-1149