基于多視圖稀疏嵌入分析的識別算法研究.pdf

1、隨著現(xiàn)今科技的迅猛發(fā)展，多視圖數(shù)據(jù)越來越普遍地存在于人們的生活中。這一方面為機器學(xué)習(xí)算法能夠利用具有多樣性的數(shù)據(jù)，更好地揭示模式內(nèi)在本質(zhì)特性帶來了新的契機。另一方面也給傳統(tǒng)的、面向單一視圖的數(shù)據(jù)分析算法帶來了新的挑戰(zhàn)。如何充分挖掘多視圖數(shù)據(jù)潛在的共性信息，利用多視圖數(shù)據(jù)的互補信息完成識別和分類的任務(wù)，已成為機器學(xué)習(xí)領(lǐng)域的研究熱點。
　　首先，本文借鑒典型相關(guān)性分析的思想，在稀疏嵌入分析的基礎(chǔ)上，提出了一種新穎的多視圖識別算法，稱為

2、多視圖稀疏嵌入分析（Multi-view Sparse Embedding Analysis, MvSEA）。MvSEA不僅挖掘了多視圖數(shù)據(jù)間潛在的共性信息，還考慮利用了視圖內(nèi)的鑒別相關(guān)性信息，即保留了每個視圖內(nèi)同類特征之間的相關(guān)性，同時去除了異類之間的相關(guān)性。除此之外，該算法保留的多視圖數(shù)據(jù)間的稀疏重構(gòu)關(guān)系有助于在分類階段取得更好的識別效果。該數(shù)學(xué)模型的求解可以通過MvSEA提供的迭代優(yōu)化算法得到。
　　其次，我們在MvSEA模

3、型的基礎(chǔ)上，增加了投影變換矩陣的正交約束，進而提出了改進型的MvSEA算法（EMvSEA）。增加投影矩陣的正交約束一方面能更好地保留數(shù)據(jù)之間的重構(gòu)關(guān)系，另一方面達(dá)到減少提取特征的冗余信息的目的。EMvSEA經(jīng)過一些巧妙的數(shù)學(xué)變換，仍能夠采用迭代優(yōu)化過程進行求解。除此之外，該算法借助奇異值分解（SVD）對求解過程進行優(yōu)化，使得EMvSEA享有較好的計算效率。
　　最后，當(dāng)多類樣本線性不可分時，我們提出了多視圖核稀疏嵌入分析（MvKS