多重集相關投影分析與特征融合研究.pdf

1、特征抽取是模式識別的關鍵問題之一，特征融合則是特征抽取的重要補充，對提高系統(tǒng)分類性能具有重要意義。本文深入研究了多重集相關投影分析(包括多重集典型相關分析和多重集偏最小二乘分析)，將其應用于多特征融合，在手寫體數(shù)字識別和人臉識別問題中驗證了所提算法的有效性。
　　 本文的主要研究及創(chuàng)新工作如下：
　　 (1)典型相關分析用于特征融合的局限性在于只能融合兩種特征，而特征融合應用本身則希望能夠融合更多的特征。雖然多重集典型相

2、關分析的提出由來已久，但在特征抽取方面的應用還很少，本文深入研究了多重集典型相關分析，并提出了多重集偏最小二乘分析，將它們應用于多特征融合。
　　 (2)在廣義典型相關分析的啟發(fā)下，提出了多重集線性鑒別典型相關分析和多重集最大散度差典型相關分析，使投影后最小化各集合類內離散度，最大化類間離散度和集合相關性。廣義典型相關分析最小化類內離散度的同時最大化集合間相關性，取得了比典型相關分析更優(yōu)的效果，但并未充分利用類信息，本文結合線性

3、鑒別分析的思想提出了多重集線性鑒別典型相關分析。通過分析最大散度差鑒別分析的基本思想和解法，提出總體散布約束的最大散度差鑒別分析，并證明其與線性鑒別分析的等價性。分析了子空間分析法求得的投影矢量尺度對分類的影響，總結和提出了四種投影矢量尺度歸一化方法。結合總體散布約束的最大散度差鑒別分析的思想提出了多重集最大散度差典型相關分析。
　　 (3)提出了鑒別型多重集典型相關分析和鑒別型多重集偏最小二乘分析。鑒別型典型相關分析實現(xiàn)了最大