融合数据分布特征的多视图典型相关分析

作者：郭慧; 刘忠宝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

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。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社