大数据解析与应用导论 课件 第7章 典型相关分析.pptx

大数据解析与应用导论Introduction to Big Data Analytics and Application;第七章 典型相关分析;7.1 CCA算法基本概念 ;7.1 CCA算法基本概念 ;7.1 CCA算法基本概念;7.1 CCA算法基本概念 ;7.1 CCA算法基本概念 ;7.1 CCA算法基本概念 ;7.1 CCA算法基本概念 ;10;第七章 典型相关分析;（1）典型相关分析的简单例子;（1）典型相关分析的简单例子;（1）典型相关分析的简单例子;（2）典型相关分析的求解目标;（2）典型相关分析的求解目标;（3）典型相关分析的求解方法;（3）典型相关分析的求解方法;（3）典型相关分析的求解方法;（4）典型相关分析的思想小结;（5）典型相关分析CCA与主成分分析PCA;大数据解析与应用导论Introduction to Big Data Analytics and Application;第七章 典型相关分析;自典型相关分析提出以来，研究者们提出了各种改进与衍生的算法。 下图是CCA的发展脉络的总结。目前CCA可以分为多视角CCA、概率CCA、深度CCA、核CCA、判别CCA、稀疏CCA和局部保留CCA等。 我们简单介绍其中具有代表性的算法。;7.3 CCA算法拓展;普通的CCA不能探索两组随机变量之间的非线性关系。 KCCA是把核函数的思想引入CCA中，通过核函数方便地在高维特征空间进行关联分析。 使用核技巧从而避开确定高维映射函数的形式。;深度典型相关分析的提出也是为了解决多视图学习的非线性问题。;深度典型相关分析另一代表性算法叫做DCCAE(deep canonically correlated autoencoders)。这是一种基于自编码器的CCA算法。;?;局部保留CCA算法的核心假设是，输入数据在原始空间中距离相近，那么在投影空间中距离仍然相近。 该算法的优势在于只考虑近邻点的影响，去除了弱近邻数据点的冗余信息。 ;总结;大数据解析与应用导论Introduction to Big Data Analytics and Application;第七章 典型相关分析;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析 ;7.4 案例分析