换一批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。
更多相关知识
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canonical correlation analysisprobabilistic canonical correlation analysismixture probabilistic modelcluster ensemblespattern recognition
分类号
TP181
栏目名称
发布时间
2015-07-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点基础研究发展计划（973计划）（2013CB329502）
国家自然科学基金（61035003）
国家自然科学基金（61202212）
国家自然科学基金（61072085）
国家自然科学基金（60933004）
国家自然科学基金（61379101）
国家高技术研究发展计划（863计划）（2012AA011003）
国家科技支撑计划（2012BA107B02）
- 浏览1
- 被引45
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
