|
|||||
|
|
| 混合概率典型相关性分析 | |
| 引用本文： | 张博,郝杰,马刚,岳金朋,张建华,史忠植.混合概率典型相关性分析[J].计算机研究与发展,2015(7). |
| 作者姓名： | 张博 郝杰 马刚 岳金朋 张建华 史忠植 |
| 作者单位： | 1. 中国科学院计算技术研究所智能信息处理重点实验室 北京 100190; 中国科学院大学 北京 100049; 中国矿业大学计算机科学与技术学院 江苏徐州 221116 2. 徐州医学院医学信息学院 江苏徐州 221004 3. 中国科学院计算技术研究所智能信息处理重点实验室 北京 100190; 中国科学院大学 北京 100049 4. 中国科学院计算技术研究所智能信息处理重点实验室 北京 100190 |
| 基金项目： | 国家“九七三”重点基础研究发展计划基金项目(2013CB329502)；国家自然科学基金项目(61035003，61202212，61072085，60933004，61379101)；国家“八六三”高技术研究发展计划基金项目(2012AA011003)；国家科技支撑计划基金项目 |
| 摘 要： | 典型相关性分析（canonical correlation analysis ，CCA）是一种用来分析2组随机变量之间相关性的统计分析工具，但作为一种线性数学模型，CCA 不足以揭示真实世界中大量存在的非线性相关现象。采用局部化的方法，在概率典型相关性分析（probabilistic CCA ，PCCA ）的基础上，使用概率混合模型框架，提出了混合概率典型相关性分析模型（mixture of probabilistic CCA ，MixPCCA ）以及估计模型参数的2阶段期望最大化（expectation maximization ，EM ）算法，并给出了使用聚类融合确定局部线性模型数量的方法和 MixPCCA 模型应用于模式识别的理论框架。在手写体数据集 USPS 和 MNIST 上的实验证明，MixPCCA 模型通过混合多个局部线性 PCCA 模型不仅提供了一种捕捉复杂的全局非线性相关性的解决方案，而且还具备检测只在局部区域才存在的相关性的能力。 |
| 关 键 词： | 典型相关性分析 概率典型相关性分析 混合概率模型 聚类融合 模式识别 |
Mixture of Probabilistic Canonical Correlation Analysis |
|
| Zhang Bo,Hao Jie,Ma Gang,Yue Jinpeng,Zhang Jianhua,Shi Zhongzhi.Mixture of Probabilistic Canonical Correlation Analysis[J].Journal of Computer Research and Development,2015(7). | |
| Authors: | Zhang Bo Hao Jie Ma Gang Yue Jinpeng Zhang Jianhua Shi Zhongzhi |
| Abstract: | |
| Keywords: | canonical correlation analysis probabilistic canonical correlation analysis mixture probabilistic model cluster ensembles pattern recognition |
| 本文献已被 万方数据 等数据库收录！ | |