局部判别型典型相关分析算法

• 作者: 张道强 彭岩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 典型相关分析 特征提取 局部化判别 降维
• 年，卷（期）: 2008,（21）
• 所属期刊栏目: 机器学习
• 页码范围: 126-129
• 页数: 4页
• 分类号: TP391.4
• 字数: 4441字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.21.035

摘要

在典型相关分析(CCA)的基础上,通过引入样本的类信息,并结合局部化思想,充分考虑了同类样本之间的局部相关与不同类样本之间的局部相关关系及其对分类的影响,提出了一种新的有监督学习方法--局部判别型CCA(Locality Discriminative CCA,简记为LDCCA).LDCCA提取的特征能够实现同类样本之间相关最大化,同时使得不同类样本之间相关最小化,这将有利于模式的分类.在人工数据集,手写体数字数据集上和ORL,Yale和AR人脸数据集的实验结果表明,I,I)CCA能有效地利用类信息来提高分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭岩	南京航空航天大学计算机科学与工程系	2	110	2.0	2.0
2	张道强	南京航空航天大学计算机科学与工程系	51	491	11.0	20.0