基于局部增强的跨模态正交特征融合方法

针对传统典型相关分析方法在求解复杂非线性问题时，存在着无法揭示隐藏在高维样本空间中的局部几何结构，且依赖于原始数据分布等问题，提出了一种基于局部增强的正交特征融合方法。该方法首先利用样本间的近邻关系构建低维相关融合特征的局部增强散布，进一步融合投影变换矩阵的正交约束，通过最大化模态间的相关性和最小化模态内的局部散布信息，获得保留数据间重构关系和局部几何结构的低维相关融合特征，采用双模型对目标函数对应的广义特征值问题进行分解，保证了特征向量之间的连贯性。实验结果显示，该方法在小样本、高维数的情况下相较于另外4种对比方法具有更好的识别性能和鲁棒性。