一种新的标签散布相关分析方法

• 作者: 周渝皓 张玉 赵东生
• 来源期刊: 电脑知识与技术
• 学科: 工学
• 关键词: 特征学习 相关分析 多视图数据处理 图像识别
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 227-230
• 页数: 4页
• 分类号: TP311
• 字数: 3601字
• 语种: 中文

摘要

典型相关分析是多视图特征学习领域的研究热点,然而监督信息的缺失使其难以学习强鉴别力的相关特征,为此本文提出了一种新的鉴别相关特征学习方法,即标签散布相关分析(Label Scatter Correlation Analysis,LSCA).该方法借助类标签信息,最大化了视图间类内相关性,并且最小化了视图间类间相关性和视图内类内散布,进而学习的相关特征在最大化相关性同时,尽可能地保留了类标签的鉴别力和散布结构.良好的实验结果已经显示该方法在图像识别中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉	安徽理工大学计算机科学与工程学院	18	47	3.0	6.0
2	周渝皓	安徽理工大学计算机科学与工程学院	4	0	0.0	0.0
3	赵东生	安徽理工大学计算机科学与工程学院	6	1	1.0	1.0