基于稀疏表示的典型相關(guān)分析算法研究.pdf

1、典型相關(guān)分析(CCA)作為一種多模態(tài)特征抽取方法正越來(lái)越受到人們的關(guān)注，它通過(guò)最大化兩組特征樣本的相關(guān)程度來(lái)提取最優(yōu)投影特征，基于此派生出了諸多優(yōu)秀的分類(lèi)識(shí)別算法。通過(guò)引入核技巧、局部保持、子模式、監(jiān)督信息等技術(shù)，豐富了基于CCA用于模式識(shí)別的算法理論。隨著壓縮感知理論的提出，近年來(lái)稀疏表示的概念被引入到了模式識(shí)別領(lǐng)域，眾多學(xué)者投身其中，提出了許多基于稀疏表示理論的優(yōu)秀算法。本文將稀疏表示思想與CCA的算法理論相結(jié)合，對(duì)相關(guān)的算法進(jìn)行了

2、深入研究。具體工作如下:
　　 (1)從傳統(tǒng)的稀疏保持投影(SPP)、稀疏保持典型相關(guān)分析(SPCCA)入手，發(fā)現(xiàn)其中監(jiān)督信息引入不足的缺陷，借鑒監(jiān)督的稀疏保持投影(S2pp)加入監(jiān)督信息的方式并加以改進(jìn)，提出了監(jiān)督的稀疏保持典型相關(guān)分析(S2pCCA)。該方法將監(jiān)督信息引入SPCCA中，取得了較好的識(shí)別效果。
　　 (2)從另一個(gè)角度審視引入監(jiān)督信息的稀疏表示方法，由已有的稀疏表達(dá)鑒別分析(SRDA)入手，提出了廣義稀

3、疏鑒別典型相關(guān)分析(GSDCCA)。該算法采用另一種不同的思路將監(jiān)督信息引入SPCCA中，也取得了較好的識(shí)別效果。
　　 (3)局部判別典型相關(guān)分析(LDCCA)，是結(jié)合局部保持典型相關(guān)分析(LPCCA)與判別型典型相關(guān)分析(DCCA)各自的優(yōu)勢(shì)提出的一種方法。本文分析了該方法引入類(lèi)信息存在的不足，并借鑒上述兩種引入監(jiān)督信息的稀疏表示方法，提出兩種新的改進(jìn)方法，提高了識(shí)別率。
　　 (4)將稀疏表示思想引入到多重集典型相