×

分数阶嵌入典型相关分析及其在多视图降维和识别中的应用。 (英语) Zbl 1326.68257号

摘要:由于噪声干扰和训练样本数量有限,典型相关分析(CCA)中的集内和集间样本协方差矩阵往往偏离真实协方差矩阵。在本文中,我们重新估计了集内和集间协方差矩阵,以减少这种偏差的负面影响。具体地说,我们利用分数阶的思想分别校正相应样本协方差矩阵中的特征值和奇异值,然后构造集内和集间散布矩阵的分数阶,可以明显缓解偏差问题。在此基础上,提出了一种新的降维方法,即分数阶嵌入典型相关分析(FECCA)。对各种手写数字、人脸和物体识别问题进行了评估。在CENPARMI、UCI、AT&T、AR和COIL-20数据库上的大量实验结果表明,FECCA非常有效,在分类精度方面明显优于现有的联合降维或特征提取方法。此外,在显著性水平0.05以下的大多数情况下,其识别率的改善具有统计学意义。

MSC公司:

68吨10 模式识别、语音识别
62H30型 分类和区分;聚类分析(统计方面)
68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 萨金,M。;Yemez,Y。;Erzin,E。;Tekalp,A.,使用典型相关分析的视听同步与融合,IEEE多媒体汇刊,9,7,1396-1403(2007)
[3] Chibelushi,C.C。;德拉维,F。;Mason,J.S.D.,基于语音的双模识别综述,IEEE多媒体汇刊,4,1,23-37(2002)
[4] Glenisson,P。;Mathys,J。;Moor,B.D.,基因表达数据和基于文献的信息的元聚类,ACM SIGKDD Explorations Newsletter,5,2,101-112(2003)
[5] Nielsen,A.A.,多集典型相关分析和多光谱、真正的多时间遥感数据,IEEE图像处理汇刊,11,3,293-305(2002)
[6] Jain,A.K。;Duin,R.P.W。;Mao,J.,统计模式识别:综述,IEEE模式分析和机器智能汇刊,22,1,4-37(2000)
[8] 侯,C。;张,C。;Wu,Y。;Nie,F.,多视图半监督降维,模式识别,43,3,720-730(2010)·Zbl 1187.68393号
[10] 卡马斯塔,F。;Vinciarelli,A.,用基于分形的方法估计数据的内在维度,IEEE模式分析和机器智能汇刊,24,10,1404-1407(2002)
[11] 赵继东;鲁、柯;何晓飞,位置敏感半监督特征选择,神经计算,711842-1849(2008)
[12] 何晓飞;纪明;张池源;Bao,Hujun,使用拉普拉斯正则化进行特征选择的方差最小化准则,IEEE模式分析和机器智能汇刊,33,10,2013-2025(2011)
[16] Jolliffe,I.T.,《主成分分析》,纽约(2002年),施普林格出版社·Zbl 1011.62064号
[17] 特鲁克,M。;Pentland,A.,识别特征脸,认知神经科学杂志,3,1,71-86(1991)
[18] Fukunaga,K.,《统计模式识别导论》(1990),学术出版社:波士顿学术出版社·Zbl 0711.62052号
[19] Belhumeur,P.N。;赫斯帕尼亚,J.P。;Kriegman,D.J.,《特征脸与渔夫脸:使用类特定线性投影的识别》,IEEE模式分析与机器智能学报,19,7,711-720(1997)
[21] 何,X。;Yan,S。;胡,Y。;Niyogi,P。;Zhang,H.J.,使用拉普拉斯人脸进行人脸识别,IEEE模式分析和机器智能汇刊,27,3,328-340(2005)
[22] 罗维斯,S.T。;Saul,L.K.,通过局部线性嵌入降低非线性维数,《科学》,290,5500,2323-2326(2000)
[23] Sun,Q.S。;曾世光。;刘,Y。;Heng,P.A。;夏德胜,一种新的特征融合方法及其在图像识别中的应用,模式识别,38,12,2437-2448(2005)
[25] Yuan,Y.H。;孙,Q.S。;周,Q。;Xia,D.S.,一种新的多集集成典型相关分析框架及其在特征融合中的应用,模式识别,44,5,1031-1040(2011)·Zbl 1209.68498号
[26] Chen,X.H。;陈S.C。;薛,H。;Zhou,X.D.,半配对和半监督多视图数据的统一降维框架,模式识别,45,52005-2018(2012)·Zbl 1233.68187号
[28] Sun,L。;纪S.W。;Ye,J.P.,《多标签分类的典型相关分析:最小二乘公式、扩展和分析》,IEEE模式分析和机器智能汇刊,33,1,194-200(2011)
[29] 冈萨雷斯,I。;Dejean,S。;马丁·P。;Baccini,A.,《CCA:扩展典型相关分析的r包》,《统计软件杂志》,23,12,1-14(2008)
[30] Sun,T.K。;Chen,S.C.,位置保持CCA及其在数据可视化和姿势估计中的应用,图像和视觉计算,25,5,531-543(2007)
[32] Sun,Q.S。;刘振东。;Heng,P.A。;夏德胜,广义正则投影向量的一个定理,模式识别,38,3,449-452(2005)·Zbl 1061.68142号
[33] Kim,T.K。;Kittler,J。;Cippola,R.,使用典型相关性的图像集类的判别学习和识别,IEEE模式分析和机器智能汇刊,29,6,1005-1018(2007)
[34] Melzer,T。;Reiter,M。;Bischof,H.,基于核典型相关分析的外观模型,模式识别,36,9,1961-1971(2003)·Zbl 1035.68105号
[35] Hotelling,H.,两组变量之间的关系,生物统计学,28,34,321-377(1936)·Zbl 0015.40705号
[36] 陆居伟;Plataniotis,K.N。;Venetsanopoulos,A.N.,人脸识别中小样本问题的正则化判别分析,模式识别快报,24,16,3079-3087(2003)
[37] Leurgans,S.E。;Moyeed,R.A。;Silverman,B.W.,《当数据为曲线时的典型相关分析》,《皇家统计学会期刊》B,55,3,725-740(1993)·兹比尔0803.62049
[38] Lykou,A。;Whittaker,J.,《使用带正约束套索的稀疏CCA》,计算统计与数据分析,54,2,3144-3157(2010)·Zbl 1284.62344号
[39] Hardoon,D.R。;Shawe-Taylor,J.,稀疏典型相关分析,机器学习,83,3,331-353(2011)·Zbl 1237.68148号
[41] Ledoit,O。;Wolf,M.,大维协方差矩阵的良好条件估计器,《多变量分析杂志》,88,2365-411(2004)·Zbl 1032.62050
[42] 哈东,D。;塞德马克,S。;Shawe-Taylor,J.,典型相关分析:学习方法应用概述,神经计算,16,12,2639-2664(2004)·兹比尔1062.68134
[43] Barker,M。;Rayens,W.,偏最小二乘判别法,化学计量学杂志,17,3,166-173(2003)
[45] 蒲逸飞;Zhou,Ji Liu;袁,肖,分数微分掩模:一种基于分数微分的多尺度纹理增强方法,IEEE图像处理学报,19,2,491-511(2010)·Zbl 1371.94302号
[46] 潘·W。;秦,K。;Chen,Y.,用于图像配准的自适应多层分数傅里叶变换方法,IEEE模式分析和机器智能汇刊,31,3,400-413(2009)
[47] 刘杰。;陈,S。;Tan,X.,人脸识别的分数阶奇异值分解表示,模式识别,41,1,378-395(2008)·Zbl 1119.68410号
[48] Golub,G.H。;Van Loan,C.F.,《矩阵计算》(1996),约翰·霍普金斯大学出版社:约翰·霍普金大学出版社,伦敦巴尔的摩·Zbl 0865.65009号
[50] 徐,P。;布洛克,G.N。;Parrish,R.S.,高维微阵列数据分类的改进线性判别分析方法,计算统计与数据分析,53,5,1674-1687(2009)·Zbl 1453.62255号
[51] 卢,Z。;刘凯。;Yang,J.Y。;Suen,C.Y.,基于结构特征的手写数字拒绝标准和成对识别,模式分析与应用,2,3,228-238(1992)
[52] 杨,J。;Frangi,A.F。;Yang,J.Y。;张,D。;Jin,Z.,KPCA plus LDA:用于特征提取和识别的完整核fisher判别框架,IEEE模式分析和机器智能汇刊,27,2,230-244(2005)
[53] 胡Z.S。;卢,Z。;Yang,J.Y。;刘凯。;孙建勇,基于多分类器组合的手写数字识别,中国计算机学报,22,4,369-374(1999)
[55] 杨,J。;张,L。;Yang,J.Y。;Zhang,D.,从分类器到鉴别器:最近邻规则诱导的判别分析,模式识别,44,7,1387-1402(2011)·Zbl 1210.68096号
[58] 科尔曼,T.H。;Leiserson,C.E。;Rivest,R.L。;Stein,C.,《算法导论》(2001),麻省理工学院出版社和McGraw-Hill·兹比尔1047.68161
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。