基于多視圖鑒別分析的特征提取算法研究.pdf

1、如今科技水平日益提高，人們獲取數(shù)據(jù)的途徑也越來越多，因而研究者可以更加容易的獲取大量多視圖數(shù)據(jù)并將之運用到模式識別、機器學習的研究中。因此多視圖算法也隨之成為當前研究熱點之一。相比于傳統(tǒng)的單視圖特征提取算法，多視圖算法可以更好的展示樣本的本質(zhì)。并且可以很好的利用視圖內(nèi)的共性信息，以及發(fā)覺視圖間的潛在關系來輔助分類鑒別。獲取比單視圖算法更好的識別效果。
　　首先，本文針對一般多視圖鑒別算法沒有高效利用隱藏在視圖分量中的鑒別信息的問題

2、，提出基于全局統(tǒng)計不相關的多視圖鑒別算法。該方法重新構造類間和類內(nèi)散布矩陣，得到多視圖共享空間下的線性鑒別模型。通過求解最優(yōu)投影向量，并將多個不同視圖數(shù)據(jù)統(tǒng)一投影至一個公共鑒別子空間。使得同類樣本在投影后相互聚合，不同類樣本在投影后相互分散，并且為了更好的運用全局視圖信息，引入統(tǒng)計不相關約束，使得求解得出的投影向量更具有鑒別性。
　　其次，在多視圖鑒別分析算法的基礎上引入半監(jiān)督的思想。一般的多視圖鑒別分析是有監(jiān)督的，因此無法直接利

3、用無標記信息。本文提出基于半監(jiān)督的多視圖鑒別分析特征提取算法，可以同時利用有類別信息和無類別信息的數(shù)據(jù)。其中，有標記數(shù)據(jù)用來最大化投影后異類之間的距離，而無標記信息則用來構建樣本間的近鄰關系。
　　最后，由于大部分真實的原始數(shù)據(jù)是線性不可分，并且分布不均勻的情況，傳統(tǒng)的算法不能很好的解決這一問題，針對此，我們提出基于加權Fisher準則的非線性多視圖鑒別分析。利用核函數(shù)將原線性不可分的低維樣本映射入高維特征空間從而滿足線性可分性。