基于稀疏表示的多重集典型相關(guān)分析算法研究.pdf

1、典型相關(guān)分析(CCA)是一種有效的研究模式識(shí)別中兩組特征數(shù)據(jù)之間相關(guān)性問題的特征提取算法?，F(xiàn)實(shí)世界中，同一模式總是表現(xiàn)出多種不同的的特性，因此本文從融合多組特征的角度出發(fā)，以基于稀疏表示的多重集典型相關(guān)分析算法(MCCA)為研究基礎(chǔ)，結(jié)合核技術(shù)、樣本類別信息、最大間距準(zhǔn)則等相關(guān)基本理論知識(shí)，建立了一系列特征提取、特征融合的算法。本文主要研究工作如下:
　　(1)由于稀疏保持投影的典型相關(guān)分析算法并不能滿足實(shí)際工作中非線性問題的需要

2、，在核技術(shù)啟發(fā)下，研究了基于核的稀疏保持投影的典型相關(guān)分析算法(KSPCCA)。在此基礎(chǔ)上，為了避免最優(yōu)核函數(shù)選擇的問題，以及滿足多特征融合的需要，結(jié)合多核學(xué)習(xí)的思想，以及稀疏保持投影的多重集典型相關(guān)分析算法(SPMCCA)，研究了簡(jiǎn)單的基于多核的稀疏保持投影的多重集典型相關(guān)分析算法(sMKSPMCCA)。
　　(2)用L2范數(shù)求解稀疏表示的正則化方程，可以得到協(xié)作表示系數(shù)，用協(xié)作表示系數(shù)建立樣本重構(gòu)鄰接矩陣，提取子空間特征，得出

3、協(xié)作表示投影算法(CRP);CRP沒有考慮類別信息，從而加入類別信息，研究了協(xié)作表示鑒別算法理論(CRD);再分別結(jié)合MCCA與核方法，研究了協(xié)作表示投影的多重集典型相關(guān)分析算法(CRMCCA)、基于核的協(xié)作表示投影的多重集典型相關(guān)分析算法(KCRMCCA)、協(xié)作表示鑒別的多重集典型相關(guān)分析算法(CDMCCA)、基于核的協(xié)作表示鑒別的多重集典型相關(guān)分析算法(KCDMCCA)。
　　(3)求解稀疏表示系數(shù)只考慮同類樣本，求得同類樣本