模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2017, Vol. 30 Issue (8): 740-746    DOI: 10.16451/j.cnki.issn1003-6059.201708008
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
凸判别型典型相关分析
江帆 ,陈松灿
南京航空航天大学 计算机科学与技术学院 南京 211106
Convex Discriminant Canonical Correlation Analysis
JIANG Fan, CHEN Songcan
College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106

全文: PDF (616 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 受几何平均度量学习(GMML)方法启发,文中提出凸判别型典型相关分析(CDCA).CDCA 将学习2个视图的投影矩阵转化为一个测地线凸的度量学习问题,获得一个全局的闭合解,同时直接获得判别性融合特征.在人工数据集和真实数据集上通过实验验证CDCA的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
江帆
陈松灿
关键词 典型相关分析(CCA)测地线凸几何平均多视图学习信息融合    
Abstract:Inspired by geometric mean metric learning(GMML), a convex discriminant canonical correlation analysis(CDCA) is proposed. The learning of two projection matrices is transformed into a geodesic convex problem of metric learning. Thereby a closed form solution is acquired and simultaneously discriminant fused features are extracted directly. The experiments on artificial and real datasets verify the effectiveness of CDCA.
Key wordsCanonical Correlation Analysis(CCA)    Geodesically Convex    Geometric Mean    Multi-view Learning    Information Fusion   
收稿日期: 2017-05-04     
ZTFLH: TP 391  
作者简介: 江 帆,男,1985年生,硕士研究生,主要研究方向为模式识别、机器学习.E-mail:jiangfan@nuaa.edu.cn.
陈松灿(通讯作者),男,1962年生,博士,教授,主要研究方向为模式识别、机器学习.E-mail:s.chen@nuaa.edu.cn.
引用本文:   
江帆 ,陈松灿. 凸判别型典型相关分析[J]. 模式识别与人工智能, 2017, 30(8): 740-746. JIANG Fan, CHEN Songcan. Convex Discriminant Canonical Correlation Analysis. , 2017, 30(8): 740-746.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201708008      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2017/V30/I8/740
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn