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.     

统计不相关最优鉴别分析的理论与算法

该文分析了Fisher准则函数所对应的广义特征方程的特征向量的性质，在此基础上揭示了具有统计不相关性的最优鉴别矢量集的本质，即为广义特征方程的d个最大的特征值所对应的满足共轭正交条件的特征向量。指出了统计不相关的最优鉴别分析是经典的Fisher线性鉴别分析的进一步发展。在Concordia University CENPARMI手写体阿拉伯数字数据库上的试验结果证实了所提出算法的有效性。     

边界监督多重集典型相关分析

多重集典型相关分析(multiset canonical correlation analysis,MCCA)仅仅考虑了多组数据间的相关性信息,不能有效地反映样本数据的几何结构与鉴别信息,因此为了解决这个问题,首先在LDA思想的启发下,构建了监督多重集典型相关分析(supervised multiset canonical correlation analysis,SMCC)的理论框架,并以此为基础,结合边界Fisher分析(marginal fisher analysis,MFA),提出了边界监督多重集典型相关分析(marginal SMCC,MSMCC).该算法的基本思想是在最大化数据相关性的同时,还要最大化组内数据的类间离散度以及最小化组内数据的类内离散度.在人脸图像与目标数据库上的实验结果验证了所提算法的有效性.     

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。     

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.     

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.     

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.     

利用两类投影方法进行特征融合的人脸识别

提出了利用两类投影抽取特征、用并行策略融合特征进行人脸识别的新方法。先用一维的基于向量的投影抽取一组特征，再用基于二维的图像投影的方法抽取一组特征，用复向量将样本的两组特征向量组合在一起，在复向量空间分析主分量(CPCA)，抽取人脸图像的鉴别特征。在FERET人脸库上的实验结果表明，该方法的识别性能比用单个特征有10%左右的提高。     

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。     

基于核典型相关分析的教学资源推荐算法

为了提高在线学习平台教学资源推荐的有效性,通过数据挖掘方法对OBE教学资源进行特征提取,分别生成教学资源和用户个性推荐库,采用核典型相关分析算法对教学资源特征和用户个性特征进行分析,选择相关系数高的教学资源推荐给用户.实例仿真证明,相比于常用的教学资源推荐算法,本文算法的准确度更高,推荐资源更精准.     

基于信息典型相关分析的盲源分离算法

针对盲源分离问题,将互信息理论与典型相关分析理论相结合,提出了一种基于信息典型相关分析的盲源分离算法.该算法首先利用模式搜索法求解,得到混合信号向量的线性组合与混合信号向量延迟的线性组合之间互信息最大的信息典型向量,互信息计算中的概率密度函数由高斯核密度估计.然后,将信息典型向量依次与接收的混合信号数据阵相乘.完成对源信号的逐一抽取和分离.仿真实验结果表明,该算法不仅能有效分离包含超高斯信号成分的混合信号和包含亚高斯信号成分的混合信号,还能分离同时包含这2种成分的混合信号以及病态混合信号.     

一种二维非结构网格改进算法的研究

为了改善流体数值计算的准确性和软件应用的方便性,本文在深入研究Delaunay法生成三角网格的基础上,采用弹簧平衡系统设计模型对Delaunay法的布点方法(重心布点法、内心布点法和三角形最长边中点布点法)进行改进。在对AutoCAD软件进行二次开发的基础上,编制了基于边界CAD模型的网格生成软件,采用该软件对重心布点法、内心布点法、三角形最长边中点布点法及改进方法(局部弹簧平衡布点法)进行比较,结果表明,改进方法生成的网格在三角形单元质量及单元数量方面优于重心布点法、内心布点法和三角形最长边中点布点法,对流场的适应性较好,且人机交互操作简单、方便。     

联合独立成分分析和典型相关分析盲分析fMRI数据

为了自动识别功能信号成分,通过对灰质数据和脑脊液数据独立成分的空间相关性进行典型相关分析,有效地解决了独立成分的排序问题.提出的方法不需要任何先验信息,能够稳健地识别与实验设计相关的功能信号成分,实现了对fMRI数据的盲分析.通过对临床真实fMRI数据的分析,阐明了提出方法的有效性及可靠性.     

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。     

模糊标号典型相关分析及其在人脸识别中应用

把样本分布信息融于特征提取过程将有助于提高特征的分类能力.利用模糊隶属度概念,提出一种基于模糊标号典型相关分析的特征提取新方法.构造模糊标号刻画样本的分布情况,并将其与典型相关分析结合,能提取综合灰度信息和分布信息的有效判别特征.此外,针对样本不足导致的小特征值包含较多干扰信息的问题,基于矩阵理论及双空间分析思想,进一步提出双空间模糊标号典型相关分析算法,缓解了过小特征值对算法性能的影响.在ORL和组合人脸数据库上的实验结果表明新特征具有良好的分类能力,证实了所提算法的有效性及应用价值.     

基于改进典型相关分析的混沌时间序列预测

典型相关分析是目前常用的研究两个变量集间相关性的统计方法.针对线性典型相关分析法不能揭示变量间非线性关系,因而不适用于混沌系统等问题,将核典型相关分析与径向基函数神经网络相结合,提出了一种改进的核典型相关分析方法以解决映射空间样本未知及逆矩阵求解困难等问题.首先利用两个径向基函数神经网络,通过训练使两个网络输出之间的相关系数达到最大,可同时得到两组典型相关变量.然后建立预测模型,对Lorenz混沌方程及大连月气温与降雨二变量混沌时间序列进行仿真,并与传统的线性回归预测方法进行比较,多组仿真结果证明了所述方法的有效性.     

Local canonical correlation coefficients and canonical variables of groups of random variables

The concepts of local correlation coefficient, local canonical correlation coefficients and local canonical variables of groups of random variables are defined, which generalize the classical concepts in two groups of random variables.These concepts together with total corresponding concepts clarify the correlativity among groups of random variables.