利用特征信息的加权典型相关分析算法

• 作者: 周梦璇 葛洪伟 顾高升
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 典型相关分析 加权特征 方差 典型相关性 特征提取 加权典型相关分析
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 280-288
• 页数: 9页
• 分类号: TP391.41
• 字数: 8339字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2018.02.018

摘要

典型相关分析(canonical correlation analysis,CCA)是一种寻求同一对象的2组变量之间最大相关性的多元统计方法,通过线性组合各组特征提取出对应的典型相关特征.但在简单地线性组合各组特征时,传统的CCA并未考虑特征的本征属性信息,无法区分主要特征和次要特征.充分运用特征本身的方差信息和提取后的典型相关信息,提出一种利用特征信息的加权典型相关分析(weighted canonical correlation analysis,WCCA).一方面,利用方差信息对原始特征进行加权处理,使得原始特征的重要性更加具有区分度;另一方面,利用典型相关性对提取后的特征进行加权处理,既进一步增强了特征的主次关系,又保留了小相关性的特征信息.综合这2方面的特征信息,WCCA提取后的特征在分类和识别上更具有表现力.在ORL和AR人脸数据库以及对象识别数据库COIL20上的实验结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛洪伟	江南大学轻工过程先进控制教育部重点实验室	86	456	11.0	17.0
5	顾高升	江南大学轻工过程先进控制教育部重点实验室	3	2	1.0	1.0
9	周梦璇	江南大学轻工过程先进控制教育部重点实验室	3	2	1.0	1.0