面向图像识别的测地局部典型相关分析方法

• 作者: 苏树智 许欢 谢军 邓瀛灏 颜文婧
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 图像识别 典型相关分析 多模态特征学习 流形学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论文
• 页码范围: 2813-2818
• 页数: 6页
• 分类号: TN911.73|TP391.4
• 语种: 中文
• DOI: 10.11999/JEIT200123

摘要

典型相关分析(CCA)是一种经典的多模态特征学习方法,能够从不同模态同时学习相关性最大的低维特征,然而难以发现隐藏在样本空间中的非线性流形结构.该文提出一种基于测地流形的多模态特征学习方法,即测地局部典型相关分析(GeoLCCA).该方法利用测地距离构建了低维相关特征的测地散布,并进一步通过最大化模态间的相关性和最小化模态内的测地散布学习更具鉴别力的非线性相关特征.该文不仅在理论上对提出的方法进行了分析,而且在真实的图像数据集上验证了方法的有效性.