基于核诱导距离度量的鲁棒典型相关分析
典型相关分析(Canonical Correlation Analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性。我们先前导出的核诱导的距离度量不仅在理论上被证明是鲁棒的而且在(聚类)应用上获得了有效验证。本文旨在将其进一步应用于CCA,发展出核诱导距离度量的鲁棒CCA(KI-CCA),该算法不仅克服了CCA非鲁棒的不足,而且使1)现有基于最大相关熵的鲁棒主成分分析(HQ-PCA)成为特例；2)CCA具有非线性相关分析的能力。一方面,核的多样性使得KI-CCA也具有多样性,从而使其成为一般性的分析算法。另一方面,同CCA刻画上的相似性使其求解可归结为广义特征值问题。在人工数据、多特征手写体数据库(MFD)和人脸数据集(Yale,AR,ORL)上的实验验证了该算法的有效性。
典型相关分析 核诱导 鲁棒性 广义特征值问题
丁鑫 陈晓红 陈松灿
南京航空航天大学信息科学与技术学院,南京,210016 南京航空航天大学理学院,南京,210016 南京航空航天大学信息科学与技术学院,南京,210016;南京大学计算机软件新技术国家重点实验室,南京,210093
国内会议
长春
中文
1-9
2012-08-04（万方平台首次上网日期，不代表论文的发表时间）