有样本缺失的稀疏交叉视图的多重集典型相关分析

从融合多组特征的角度出发,以多重集典型相关分析算法(MCCA)为研究基础,通过稀疏保持自适应选择样本局部信息,然后通过在同类样本之间计算权重矩阵,将样本类别信息嵌入到算法中,再利用多种视图之间的交叉相关项,克服不同视图样本必须成对出现的局限,提出一种有样本缺失的稀疏交叉视图的多重集典型相关分析算法(multiset canonical sparse cross-view correlation analysis with missing samples,CSMCCAM)。在手写体数据集和CENPARMI数据库上验证本文的算法,得到CSMCCAM算法分类精确度优于LPMCCAM等典型相关分析算法,并且对缺失样本数目不敏感。     

二维典型相关分析的实质与改进算法

由于样本数常小于样本维数,传统的典型相关分析方法CCA(canonical correlation analysis)会产生小样本问题.为了解决这类问题,一种新的有监督特征抽取方法--二维典型相关分析2DCCA被提出.与传统CCA方法把二维图像矩阵拉成一维向量不同,2DCCA直接从图像矩阵中抽取特征,该方法有效地解决了小样本问题.但是在单特征下,CCA的类标编码对识别率会产生影响,在一维情况下,传统的类标编码使得CCA等价于LDA,从而限制了CCA抽取更多有效的识别特征.证明了在传统的类标编码时,2DCCA仍然与2DLDA等价.为了打破这种约束,提出了一种基于样本标号的2DCCA改进算法.在ORL和AR人脸库上的实验表明,提出的方法优于传统的2DCCA.     

张量典型相关分析

针对典型相关分析用于图像特征融合时,不仅消耗大量时间,且常常产生协方差阵奇异的问题,提出了一种快速算法.该算法将图像看作张量空间RM(×)RN中的二阶张量,建立方差和协方差,根据准则函数进行相关投影分析,将图像矩阵投影到2个向量空间的张量积空间.图像识别实验结果表明,该算法不仅提高了计算效率,而且能取得更高的识别率.     

利用特征信息的加权典型相关分析算法

典型相关分析（canonical correlation analysis,CCA）是一种寻求同一对象的2组变量之间最大相关性的多元统计方法,通过线性组合各组特征提取出对应的典型相关特征。但在简单地线性组合各组特征时,传统的CCA并未考虑特征的本征属性信息,无法区分主要特征和次要特征。充分运用特征本身的方差信息和提取后的典型相关信息,提出一种利用特征信息的加权典型相关分析（weighted canonical correlation analysis,WCCA）。一方面,利用方差信息对原始特征进行加权处理,使得原始特征的重要性更加具有区分度;另一方面,利用典型相关性对提取后的特征进行加权处理,既进一步增强了特征的主次关系,又保留了小相关性的特征信息。综合这2方面的特征信息,WCCA提取后的特征在分类和识别上更具有表现力。在ORL和AR人脸数据库以及对象识别数据库COIL20上的实验结果验证了该方法的有效性。     

典型相关分析的基本思想和方法步骤

典型性相关分析在相关分析中有其独特的作用,在实际应用中十分广泛,本文介绍了典型相关分析的基本思想和方法步骤。     

酿酒葡萄和葡萄酒成分间的典型性相关分析

根据酿酒葡萄与葡萄酒的理化指标,按“逐步降维,保留信息”的思想建立模型,把原来多个变量划为几个综合指标,并对这些综合指标进行研究,以简化问题的求解过程;因酿酒葡萄和葡萄酒质量间的内在联系及变化规律具有随机性、理化指标信息过大,先进行变量替换,分别选取15个、8个综合变量替代原变量,再对酝酿葡萄与酝酿葡萄酒主成分分析,最后进行典型相关分析.     

Rn上分形集多重维数的下界估计

给出了Rn 上分形集多重维数的下界估计 .推广了Hausdorff测度的位势原理 :对分量均非负的向量α ,若有F上的具有有限α -能量的质量分布 ,则F的 (α)———维测度为无穷大 .利用位势原理证明了 :若有F上的具有有限α-能量的质量分布 ,则F的多重维数大于或等于α .     

多重参数区间软集

将区间软集与多重参数软集相结合,提出了一种新的软集——多重参数区间软集,推广了多重参数软集和区间软集.然后,研究了多重参数区间软集的基本运算和性质.最后,给出多重参数区间软集在决策中的一个应用实例.     

关于多重Bent序列集相关值分布的研究

对多重bent序列集的构造方法进行研究,运用代数方法明确给出了多重bent序列集之间互相关值的分布.通过选取合适的bent函数,构造出互相关性较好的多重bent函数序列集,修正了一些已有的结果.     

基于CCA的增强线性鉴别分析

为了有效地融合Fisher线性鉴别分析与最大散度差鉴别分析所抽取的特征，得到更加全面反映原始样本的鉴别特征集，提出了基于典型相关分析的增强线性鉴别分析方法．利用Fisher线性鉴别分析和最大散度差鉴别分析方法提取两组鉴别特征，根据典型相关分析对这两组特征进行融合，获得更具鉴别力的典型鉴别特征．经过ORL标准人脸库实验，验证了所提算法的有效性．     

基于CCA的增强线性鉴别分析

为了有效地融合Fisher线性鉴别分析与最大散度差鉴别分析所抽取的特征,得到更加全面反映原始样本的鉴别特征集,提出了基于典型相关分析的增强线性鉴别分析方法.利用Fisher线性鉴别分析和最大散度差鉴别分析方法提取两组鉴别特征,根据典型相关分析对这两组特征进行融合,获得更具鉴别力的典型鉴别特征.经过ORL标准人脸库实验,验证了所提算法的有效性.     

典型相关分析在图像匹配技术中的应用研究

典型相关分析是多元统计分析的一个重要研究课题,它借助主成分的思想,用少数几对综合变量来反映两组变量间的线性相关性质.文章采用典型相关分析方法,对相邻图像进行匹配拼接,确定出合适的拼接点,并选用不同场景的图像进行试验,取得了较好的结果.     

房地产指标的典型相关分析

文章以多元统计中的典型相关分析法为依据,使用软件SPSS 15.0进行房地产类上市公司的财务指标分析.     

人的生理指标与运动能力的典型相关分析

运用多元统计分析中的典型相关分析方法，借助于DPS数据处理系统对接受测试的20名成员的测试数据进行了分析，给出了人的体质与运动能力之间的关系．     

典型相关分析在量表效标效度考核中的作用

探讨典型相关分析在新编量表效标效度评价中的作用.以乙型肝炎患者生存质量测定量表(QOL-HBV)为目标量表,SF-36量表为效标量表,用积差相关分析和典型相关分析两种方法评价量表的效标效度.结果表明,QOL-HBV量表的SF维度与SF-36量表中的除VT外的各维度具有相关性,但与MH维度的值小于0.4.在典型相关分析中得到SF-36量表的第一对典型变量主要反映PF、RP、BP、GH、SF和RE等6个维度,QOL-HBV量表的第一对典型变量主要反映SF、M F和PF等3个维度.典型相关分析能够得到和简单相关分析一样的结论,但比简单相关分析提示更多的信息.     

典型相关分析及其在外语教育研究中的应用

定量实证研究在我国外语教育研究领域取得了长足的进步,但也暴露了方法论方面的一些问题,因而加强外语教育研究方法论的训练仍是一项长期而艰巨的基础性工作。通过介绍典型相关分析(Canonical Correlation Analysis)并结合实例详细讨论其在外语教育研究中的具体应用表明,作为研究两组变量相关关系的多元统计分析方法,典型相关分析在处理两组变量的相关性问题上明显优于简单相关分析、多元回归分析和因素分析。而且,由于外语学习过程的多因素特征,典型相关分析在外语教育研究领域具有广阔的应用前景。     

中国农业产出水平的影响因素分析

采用典型相关分析法,选取农业总产出、农业劳动生产率和农业总产出增长率做为体现农业产出水平的三个指标,以农林牧渔业劳动力数量、农业机械总动力、农村用电量、有效灌溉面积、农作物总播种面积、化肥施用量（折纯量）和农民劳动力文化程度等影响农业生产水平的投入要素为指标,构建农业投入产出的典型相关模型,定量分析我国农业产出水平与生产要素投入之间的相关程度.结果表明,农业产出水平主要由农业劳动生产率和农林牧渔业总产出反映,而农业机械化程度、农业电力化程度、农业生产资料投入以及农民劳动力文化程度等农业生产投入要素是影响农业产出水平的重要因素.因此,加快推进农业机械化和电气化,加强农民劳动力的科学文化教育,将是提高农业产出水平和促进农业现代化的有效途径.