基于广义均值的鲁棒典型相关分析算法

• 作者: 周梦璇 葛洪伟 顾高升
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 广义均值 均方误差 典型相关分析 鲁棒性 鲁棒典型相关分析
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1140-1149
• 页数: 10页
• 分类号: TP391.41
• 字数: 8057字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1605051

摘要

典型相关分析(canonical correlation analysis,CCA)是一种寻求同一对象的两组变量之间最大相关性的多元统计方法,其基于L2范数的最小均方误差(mean square error,MSE)的准则函数对于野值点非鲁棒.广义均值不仅在理论上被证明是鲁棒的,而且在聚类和对象识别等应用中获得了有效性验证.将广义均值应用于CCA,提出了一种基于广义均值的鲁棒CCA(CCA based on generalized mean,GMCCA),成功克服了CCA对野值点敏感的不足.一方面,通过抑制野值点对准则函数的影响,达到鲁棒的效果.另一方面,GMCCA避免了高维小样本导致协方差矩阵奇异的问题.在多特征手写体数据库(multiple feature database MFD)、人脸数据库(ORL)和对象图像数据库(COIL-20)上的实验结果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	葛洪伟	江南大学物联网工程学院	86	456	11.0	17.0
5	顾高升	江南大学物联网工程学院	3	2	1.0	1.0
6	周梦璇	江南大学物联网工程学院	3	2	1.0	1.0