基于集成学习的多重集典型相关分析方法

• 作者: 朱嘉钢 邱爱昆
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征提取 多重集典型相关分析 集成学习 模式识别
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 162-168,173
• 页数: 8页
• 分类号: TP391.4
• 字数: 7416字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1510-0147

摘要

特征提取是模式识别中的关键问题之一,对提高系统分类性能具有重要意义.常用的特征提取方法包括主成分分析、线性鉴别分析、典型相关分析等等,多重集典型相关分析是基于传统的典型相关分析基础上发展而来,利用多组(大于2)特征数据集进行特征提取.基于集成学习的多重集典型相关分析的方法(EMCCA),是通过将样本化分成若干小的样本,形成若干个特征数据集,利用多重集典型相关分析对这组数据集做特征提取,并结合集成学习对样本进行分类.在UCI上的多特征手写体数据集上的实验结果表明:相比于传统的PCA,CCA特征提取方法,多重集典型相关分析具有更优的特征提取效果,结合集成学习后具有更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱嘉钢	江南大学物联网工程学院	39	160	7.0	10.0
2	邱爱昆	江南大学物联网工程学院	1	5	1.0	1.0