核诱导距离度量的鲁棒典型相关分析

• 作者: 丁鑫 陈晓红 陈松灿
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 典型相关分析(CCA) 核诱导 鲁棒性 广义特征值问题
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 学术研究
• 页码范围: 708-716
• 分类号: TP391
• 字数: 5193字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2012.08.004

摘要

典型相关分析(canonical correlation analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性.核诱导的距离度量不仅在理论上被证明是鲁棒的,而且在(聚类)应用上获得了有效验证.将其进一步应用于CCA,发展出了核诱导距离度量的鲁棒CCA(CCA based on kernel-induced measure,KI-CCA).该算法不仅克服了CCA非鲁棒的不足,而且使现有基于最大相关熵的鲁棒主成分分析(half-quadratic principal component analysis,HQ- PCA)成为特例,且具有非线性相关分析的能力.一方面,核的多样性使得KI-CCA也具有多样性,从而使其成为一般性的分析算法.另一方面,与CCA刻画上的相似性,使其求解可归结为广义特征值问题.在人工数据、多特征手写体数据库(multiple feature database,MFD)和人脸数据集(Yale、AR、ORL)上的实验验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松灿	南京航空航天大学计算机科学与技术学院	120	1370	19.0	32.0
3	陈晓红	南京航空航天大学理学院	23	74	5.0	8.0
6	丁鑫	南京航空航天大学计算机科学与技术学院	1	2	1.0	1.0