增强组合特征判别性的典型相关分析

• 作者: 周旭东 陈晓红 陈松灿
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 典型相关分析(CCA) 分类 降维 组合特征 信息融合
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 285-291
• 分类号: TP391.4
• 字数: 4876字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2012.02.015

摘要

典型相关分析(CCA)在执行分类任务时主要存在如下不足:1)尽管分类时的输入是组合特征,但CCA仅优化组合特征的各组成部分,并未直接优化组合特征本身；2)尽管面对的是分类任务,然而CCA根本无法利用样本的类信息.为弥补CCA的上述不足,文中提出一种监督型降维方法——增强组合特征判别性的典型相关分析(CECCA).CECCA在CCA基础上,通过结合组合特征的判别分析,实现对组合特征相关性与判别性的联合优化,使所抽取特征更适合分类.在人工数据集、多特征手写体数据集和人脸数据集上的实验结果验证该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周旭东	南京航空航天大学计算机科学与技术学院	14	163	6.0	12.0
3	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
7	陈晓红	南京航空航天大学理学院	23	74	5.0	8.0