融合数据分布特征的多视图典型相关分析

• 作者: 刘忠宝 郭慧
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 特征提取 多视图典型相关分析 数据分布特征 类间离散度 类内离散度
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 计算机与电子信息科学
• 页码范围: 2252-2257
• 页数: 6页
• 分类号: TP391
• 字数: 3005字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2018.2252

摘要

典型相关分析CCA是一种经典的特征提取方法,该方法找到的投影方向满足两视图数据集之间的相关性最大,该方法在生产实践中广泛应用,但当面对多视图数据时便无能为力.鉴于此,研究人员提出多视图相关分析MCCA,MCCA为每个视图找到一组投影方向,并保证投影后的视图数据集之间的相关性最大,该方法有效地拓展了CCA的适用范围.但MCCA在特征提取时,并未考虑数据的分布性状,因而,其工作效率有待于进一步提升,基此提出融合数据分布特征的多视图典型相关分析MCCA-DD,该方法引入类间离散度和类内离散度,用以表征数据的分布性状,以期提高MCCA的特征提取效率.从学生体测成绩数据集和多特征手写体数据集上的比较实验表明:与典型相关分析CCA﹑多视图相关分析MCCA等特征提取方法相比,MCCA-DD具有更优的特征提取效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘忠宝	中北大学软件学院	58	141	6.0	8.0
2	郭慧	山西大学商务学院信息学院	27	77	4.0	8.0