监督型典型相关分析及其行为识别应用

• 作者: 张志平 彭岩
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 典型相关分析 有监督学习 类信息 局部化判别 核技巧 行为识别
• 年，卷（期）: 2010,（12）
• 页码范围: 15-17,47
• 分类号: TP3
• 字数: 4691字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2010.12.005

摘要

局部判别型典型相关分析CCA(LDCCA)是一种线性判别方法,只适用于处理线性可分的问题.为了更好地处理现实世界中存在的非线性现象,利用核技巧对LDCCA进行了核化,提出了一种新的有监督多模态识别方法即核化的局部判别型典型相关分析(KLDCCA).LDCCA和KLDCCA引入了样本的类信息,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,因此,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.在人脸识别和简单行为识别上的应用表明,LDCCA和KLDCCA能有效地利用类信息和局部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	张志平	苏州大学网络中心	14	66	4.0	7.0
2	彭岩	苏州大学网络中心	1	3	1.0	1.0