基于稀疏保持的典型相關(guān)分析及其應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，人們?cè)絹?lái)越容易得到同一個(gè)事物多個(gè)不同視圖的數(shù)據(jù)，而傳統(tǒng)的機(jī)器學(xué)習(xí)方法大多是在一個(gè)視圖上進(jìn)行的。為了利用不同視圖之間的相關(guān)信息和互補(bǔ)信息，人們通常分別在這些單視圖上進(jìn)行獨(dú)立、交替訓(xùn)練分類器，然后再在獨(dú)立的數(shù)據(jù)集上驗(yàn)證分類模型是否有效。這些方法僅僅使用了不同視圖的互補(bǔ)信息，并沒(méi)有將不同視圖之間的相關(guān)信息利用起來(lái)。典型相關(guān)分析作為多元統(tǒng)計(jì)方法可以通過(guò)研究?jī)山M多元變量之間的線性關(guān)系，對(duì)多視圖數(shù)據(jù)進(jìn)行特征提取。此外，稀疏表示已

2、成為當(dāng)前機(jī)器學(xué)習(xí)和模式識(shí)別的研究熱點(diǎn)之一。使用稀疏表示可以降低運(yùn)算復(fù)雜度，節(jié)省存儲(chǔ)空間。本文將稀疏表示的思想引入典型相關(guān)分析，提出一種有監(jiān)督的多視圖學(xué)習(xí)方法。主要研究工作如下：
　　首先，提出了基于稀疏保持的典型相關(guān)分析方法。通過(guò)使用稀疏保持自適應(yīng)選擇樣本局部信息，同時(shí)通過(guò)在同類樣本之間計(jì)算權(quán)重矩陣，將樣本的類別信息嵌入到算法中，使之成為有監(jiān)督的學(xué)習(xí)方法。另外，引入交叉相關(guān)的思想，增強(qiáng)不同視圖不成對(duì)樣本之間的聯(lián)系。通過(guò)使用核技巧將

3、算法推廣到特征空間，使算法能夠處理更加復(fù)雜的非線性問(wèn)題。由于引入了樣本類別信息和交叉相關(guān)，基于稀疏保持的典型相關(guān)分析不僅可以提取相關(guān)特征，還可以在降維后保留盡可能多的判別信息。在人工數(shù)據(jù)集、多特征手寫(xiě)體數(shù)據(jù)集和ORL，PIE，YALE三個(gè)人臉數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了算法的有效性。
　　其次，借助類內(nèi)相關(guān)和類間相關(guān)的思想，將基于稀疏保持的典型相關(guān)分析進(jìn)行推廣，使其能夠處理樣本缺失情況。在人工數(shù)據(jù)集、多特征手寫(xiě)體數(shù)據(jù)集和YALE人