数据场典型相关分析及其在图像分割中的应用

• 作者: 印桂生 张健沛 李文平 杨静
• 来源期刊: 自动化学报
• 关键词: 典型相关分析 数据场 特征提取 图像分割
• 年，卷（期）: 2015,（4）
• 页码范围: 772-784
• 页数: 13页
• 字数: 12822字
• 语种: 中文
• DOI: 10.16383/j.aas.2015.c130896

摘要

针对数据场环境下多维数据的低维特征提取问题,本文将数据之间的相互作用纳入其相关性求解中,提出一种基于数据场的典型相关分析(Data field based canonical correlation analysis, DFCCA)方法。 DFCCA提取的特征具有良好的分布特性,原空间上相隔较远的数据点对的特征聚集在一个较小区域内,而相邻数据点对的特征却有规律地分布在其他点所聚集区域的周围。此特性使得DFCCA具有较好的边界辨识能力,将其应用于图像分割的实验结果表明, DFCCA提取的复杂图像边界具有较好的保真度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	印桂生	哈尔滨工程大学计算机科学与技术学院	113	842	16.0	23.0
4	李文平	哈尔滨工程大学计算机科学与技术学院	4	45	3.0	4.0