作者：李改改; 蒋金山多重集典型相关分析稀疏保持缺失样本交叉相关
摘要：从融合多组特征的角度出发,以多重集典型相关分析算法（MCCA）为研究基础,通过稀疏保持自适应选择样本局部信息,然后通过在同类样本之间计算权重矩阵,将样本类别信息嵌入到算法中,再利用多种视图之间的交叉相关项,克服不同视图样本必须成对出现的局限,提出一种有样本缺失的稀疏交叉视图的多重集典型相关分析算法（multiset canonical sparse cross-view correlation analysis with missing samples,CSMCCAM）。在手写体数据集和CENPARMI数据库上验证本文的算法,得到CSMCCAM算法分类精确度优于LPMCCAM等典型相关分析算法,并且对缺失样本数目不敏感。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
