作者:周航星 陈松灿典型相关分析有序回归分类信息融合判别分析
摘要:多视图学习方法通过视图间互补信息的融合,达到增强单一视图方法的鲁棒性并提升学习性能的目的。典型相关分析(canonical correlation analysis,简称CCA)是一种重要的多视图信息融合技术。其研究的是针对同一组目标两组不同观测数据间的相关性,目标是得到一组相关性最大的投影向量。但当面对标号有序的分类任务时,CCA因没有利用类信息和类间有序信息,造成了对分类性能的制约。为此,通过将有序类信息嵌入 CCA 进行扩展,发展出有序判别典型相关分析(ordinal discriminative canonical correlation analysis,简称 OR-DisCCA)。实验结果表明, OR-DisCCA的性能比相关方法更优。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社