面向多模态图像的柯西相关特征学习方法

• 作者: 苏树智 谢军 邓瀛灏 郑苹 高鹏连
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 多模态特征学习 柯西协方差矩阵 相关分析 图像识别
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: “第三届亚洲人工智能技术大会”会议论文选登
• 页码范围: 118-124
• 页数: 7页
• 分类号: TP391
• 字数: 5980字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.09.017

摘要

协方差矩阵在特征学习中至关重要,但在实际应用中难以获得真实协方差矩阵,通常是利用基于样本数据的样本协方差矩阵来逼近真实协方差矩阵,然而采集的样本数据经常是带有冗余和噪声信息的高维数据,这将导致样本协方差矩阵严重偏离真实协方差矩阵,进而影响特征学习方法的性能.为了解决该问题,利用柯西估计对样本协方差矩阵的奇异值进行纠正,进而形成更加接近真实协方差矩阵的柯西协方差矩阵,然后借助相关分析理论,提出面向多模态图像的柯西相关特征学习方法,即柯西典型相关分析.该方法能够同时从不同的模态学习具有强鉴别力的相关特征.实验结果显示该方法在图像识别中具有一定优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢军	安徽理工大学计算机科学与工程学院	4	27	2.0	4.0
2	郑苹	安徽理工大学计算机科学与工程学院	4	6	1.0	2.0
3	苏树智	安徽理工大学计算机科学与工程学院	7	4	1.0	2.0
4	高鹏连	安徽理工大学计算机科学与工程学院	2	0	0.0	0.0
5	邓瀛灏	安徽理工大学计算机科学与工程学院	3	0	0.0	0.0