利用相对强度的监督典型相关分析算法-计算机辅助设计与图形学学报.PDFVIP

第28 卷 第2 期 计算机辅助设计与图形学学报 Vol. 28 No.2 2016 年2 月 Journal of Computer-Aided Design Computer Graphics Feb. 2016 利用相对强度的监督典型相关分析算法 1) 1,2)* 1,2) 鹿 鹏 , 袁运浩 , 葛洪伟 1) (江南大学物联网工程学院 无锡 214122) 2) (轻工过程先进控制教育部重点实验室(江南大学) 无锡 214122) (yhyuan@) : 典型相关分析(CCA)是一种无监督的子空间学习算法, 加入标签信息可以提高典型相关特征的判别力. 为 了有效地利用样本的标签信息, 借鉴相对属性的思想, 提出一种利用相对强度的监督 CCA(SCCA)算法. 该算法在使 得 2 组典型投影之间具有最大的相关系数的同时, 典型投影的每一维特征的大小能够表示不同样本在其上的相对强 度; 采用异类样本间在每个低维特征上的差异大于同类样本间差异的策略, 使得典型投影的每个特征都具有较好的 鉴别力. 在多特征手写体数字、人脸图像以及一般对象数据库上的实验结果表明, SCCA 算法具有较好的识别效果， 优于已有的典型相关特征抽取算法. ：典型相关分析; 特征抽取; 维数约减; 模式识别 ：TP391.41 Supervised Canonical Correlation Analysis with Relative Strength Lu Peng1), Yuan Yunhao1,2)*, and Ge Hongwei1,2) 1) (School of Internet of Things Engineering, Jiangnan University , Wuxi 214122) 2) (Key Laboratory of Advanced Process Control for Light Industry of Ministry of Education (Jiangnan University), Wuxi 214122) Abstract: Canonical correlation analysis (CCA) is an unsupervised subspace learning algorithm. The dis- criminative power of extracted CCA features can be improved by introducing label information of samples in recognition. Borrowing the idea of relative attributes, we propose a relative strength based supervised CCA algorithm to effectively exploit the label information of multi-view data. The proposed algorithm not only makes the correlation between two-set canonical projections maximum, but also their every component ca- pable of describing the relative strength between different samples. The extracted canonical features by our algorithm are very discriminative in classification due to the use of the strategy that the difference between inter-class sampl