基于多視圖相關(guān)投影分析的特征抽取與融合方法研究.pdf

1、隨著數(shù)據(jù)采集技術(shù)以及處理方式的不同，相同的模式不可避免地出現(xiàn)了許多不同的特征表示方式。對(duì)于同一模式來說，不同的特征表示反應(yīng)了物體不同的特性，因此，基于多組特征參與的模式分類方法，不僅可以保留原各組特征的有效鑒別信息，而且還可以在一定程度上消除特征表示之間的冗余信息。然而線性與非線性特征抽取方法主要針對(duì)模式的一組特征進(jìn)行處理，不適用于多特征表示數(shù)據(jù)的特征抽取與特征融合。多視圖相關(guān)投影分析，包括典型相關(guān)分析、多重集典型相關(guān)分析與多重集整體典

2、型相關(guān)分析，已廣泛應(yīng)用于多組特征間的融合與抽取，并在模式分類中取得了良好的實(shí)驗(yàn)結(jié)果。因此，本文以多特征表示數(shù)據(jù)為研究對(duì)象，深入研究了多視圖相關(guān)投影分析的相關(guān)理論與算法，構(gòu)建了五種行之有效的特征抽取與融合方法。所做的主要工作和研究成果如下:
　　(1)提出了基于稀疏表示的正則化半監(jiān)督判別典型相關(guān)分析(SrSDCC)。由于判別典型相關(guān)分析(DCCA)方法在訓(xùn)練樣本不足的情況下，其組內(nèi)協(xié)方差矩陣會(huì)產(chǎn)生估計(jì)不足的情況。針對(duì)此問題，本文提出

3、了基于稀疏正則化的半監(jiān)督判別典型相關(guān)分析，該方法同時(shí)使用了數(shù)據(jù)中的已標(biāo)記樣本與未標(biāo)記樣本，其中已標(biāo)記樣本用來最大化樣本的類內(nèi)相關(guān)以及最小化樣本的類間相關(guān)，未標(biāo)記樣本用來反映數(shù)據(jù)的本質(zhì)幾何結(jié)構(gòu)。通過人臉數(shù)據(jù)庫上的詳細(xì)實(shí)驗(yàn)比較，驗(yàn)證了本文所提方法在半監(jiān)督分類問題中的可行性。
　　(2)本文提出了一種基于模糊隸屬度的廣義典型相關(guān)分析。通過采用模糊k近鄰法計(jì)算隸屬度來刻畫樣本與類中心點(diǎn)的近鄰關(guān)系，在有效地利用樣本類別信息的同時(shí)提高了算法的

4、穩(wěn)定性與魯棒性。此外，面對(duì)圖像識(shí)別中存在的大量非線性問題，在核技巧的基礎(chǔ)上，提出了正定核隸屬度的廣義典型相關(guān)分析算法以及不定核隸屬度的廣義典型相關(guān)分析算法，從而提取數(shù)據(jù)的非線性特征。在人臉圖像與手寫體數(shù)字?jǐn)?shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，基于模糊隸屬度的廣義典型相關(guān)分析所抽取的特征在模式分類中具有較強(qiáng)的鑒別能力。
　　(3)提出了基于P-SSOR算法的多重集典型相關(guān)分析。多重集典型相關(guān)分析(MCCA)能夠有效地抽取到多組特征間的相關(guān)特征，然

5、而在求解過程中往往會(huì)遇到多元特征值問題，并且不能有效地求取其精確解，這在一定程度上限制了其在實(shí)踐中的應(yīng)用效果，因此，本文提出了基于冪-對(duì)稱超松弛(P-SSOR)算法的多重集典型相關(guān)分析，即PssorMCC。在手寫體數(shù)據(jù)庫、目標(biāo)與人臉數(shù)據(jù)庫上的大量實(shí)驗(yàn)結(jié)果表明，本文所提方法取得了良好的識(shí)別性能。
　　(4)基于高維多表示數(shù)據(jù)的特征抽取問題，提出了基于邊界的線性鑒別多重集典型相關(guān)分析算法。由于多重集典型相關(guān)分析(MCCA)僅僅考慮了多

6、組數(shù)據(jù)間的相關(guān)性信息，不能有效地反映樣本數(shù)據(jù)的幾何與鑒別結(jié)構(gòu)，因此為了解決這個(gè)問題，本文基于MFA的思想，提出了邊界線性鑒別多重集典型相關(guān)分析(MLDMCC)方法。該方法融入了線性鑒別分析的鑒別信息，不僅揭示出多組數(shù)據(jù)間的相關(guān)信息，而且還有效地刻畫了數(shù)據(jù)間的幾何與鑒別結(jié)構(gòu)。在人臉圖像與目標(biāo)數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果驗(yàn)證了MLDMCC方法的有效性。
　　(5)構(gòu)建了多重集整體典型相關(guān)分析(MICCA)的拓展模型。MICCA是一種無監(jiān)督的子空

7、間學(xué)習(xí)方法，在其模型中并沒有包含數(shù)據(jù)空間中的鑒別信息。從有利于模式分類的角度出發(fā)，本文首先給出了兩種監(jiān)督的多重集整體典型相關(guān)分析，即判別型多重集整體典型相關(guān)分析(DMICC)與廣義多重集整體典型相關(guān)分析(GMICC)方法。此外，為了充分地揭示出原始數(shù)據(jù)在高維空間中的多種特性與幾何結(jié)構(gòu)信息，本文基于多核學(xué)習(xí)思想構(gòu)建了多核多重集整體典型相關(guān)分析(MKMICCA)。由于MICCA算法在求解過程中存在更為復(fù)雜的廣義多元特征值問題，本文基于多元特