MVP:基于CCA的多视图数据相关性预测方法

• 作者: 卜道成 纪传舜 陈飞
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 多方面 数据预测 典型相关分析 降维
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 251-253,259
• 分类号: TP301
• 字数: 3184字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.08.074

摘要

多视图的数据广泛存在于真实的应用中.比如说网络上用户标注的图像,一个视图是由图像的底层特征去表征,而另一个则由文本特征去表征.如何从这种类型的数据中有效地挖掘出有价值的信息对于做数据挖掘和数据检索的人来说具有很大的挑战性.提出多视图的预测算法(MVP)去获取一个子空间,在这个子空间上,通过典型相关分析使得两个视图之间的相互关系最大化.在训练步,期望能通过学习同时得到典型向量组成的子空间和对应典型向量的相关系数;在预测步,通过把数据投影到子空间上产生多视图数据的得分向量.再由得分向量通过多重回归有效地判断出测试样本两个视图之间是不是存在相互关系.基于文本标注图像的实验表明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卜道成	复旦大学计算机科学技术学院	1	1	1.0	1.0
2	陈飞	新南威尔士大学电子工程与通信学院	1	1	1.0	1.0