模式识别与人工智能
2025年4月3日 星期四   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  2012, Vol. 25 Issue (1): 143-149    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
一种监督的局部保持典型相关分析算法
侯书东,孙权森,夏德深
南京理工大学计算机科学与技术学院南京210094
Supervised Locality Preserving Canonical Correlation Analysis Algorithm
HOU Shu-Dong, SUN Quan-Sen, XIA De-Shen
School of Computer Science and Technology,Nanjing University of Science and Technology,Nanjing 210094

全文: PDF (473 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 从模式分类的角度出发,提出一种监督的局部保持典型相关分析(SLPCCA),通过最大类内成对样本与其近邻间的权重相关性,因而能有效利用样本类别信息的同时保持数据的局部流形结构,并且融合判别型典型相关分析(DCCA)的鉴别信息而不受总类别数的限制。此外,为了提取数据的非线性特征,在核方法的基础上又提出一种核化的SLPCCA(KSLPCCA)。在ORL、Yale、AR和FERET等人脸数据库的实验结果表明,该算法比其他传统的典型相关分析方法具有更好的识别效果。
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
侯书东
孙权森
夏德深
关键词 典型相关分析(CCA)局部保持特征提取人脸识别    
Abstract:To use locality preserving canonical correlation analysis (LPCCA) in pattern classification and acquire fine results, a supervised locality preserving canonical correlation analysis (SLPCCA) is proposed based on LPCCA incorporated the class label information. Through maximizing the weighted correlation between corresponding samples and their near neighbors belonging to the same classes, SLPCCA effectively utilizes the class label information and preserves the local manifold structure of the data. In addition, the proposed algorithm effectively fuses the discrimination information of DCCA without the restriction of total class numbers. Besides, a kernel SLPCCA (KSLPCCA) is also proposed based on kernel methods to extract nonlinear features of the data. The experimental results on ORL, Yale, AR and FERET face databases show that the proposed algorithms are better than related canonical correlation analysis methods.
Key wordsCanonical Correlation Analysis (CCA)    Locality Preserving    Feature Extraction    Face Recognition   
收稿日期: 2010-06-07     
ZTFLH: TP391  
基金资助:国家自然科学基金(No.60773172)、教育部博士学科点基金(No.200802880017)和江苏省自然科学基金(No.BK2008411)资助项目
作者简介: 侯书东,男,1986年生,博士研究生,主要研究方向为模式识别、机器学习。E-mail:hou_shudong@hotmail。com。孙权森,男,1963年生,教授,博士生导师,主要研究方向为模式识别、图像处理、医学影像分析、遥感信息系统等。夏德深,男,1941年生,教授,博士生导师,主要研究方向为图像处理、卫星遥感、医学图像分析和模式识别。
引用本文:   
侯书东,孙权森,夏德深. 一种监督的局部保持典型相关分析算法[J]. 模式识别与人工智能, 2012, 25(1): 143-149. HOU Shu-Dong, SUN Quan-Sen, XIA De-Shen. Supervised Locality Preserving Canonical Correlation Analysis Algorithm. , 2012, 25(1): 143-149.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2012/V25/I1/143
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