摘要
典型相关性分析及其改进方法(Canonical Correlation Analysis, CCA)是被广泛运用于多视图特征学习的技术,但目前普遍存在的相关性分析方法并没有有效利用视图间信息,忽视了隐藏在图像内部的鉴别相关性。为了解决这一问题,提出基于视图间鉴别相关性分析(Between-View Discriminant Correlation Analysis, BVDCA)的手语图像识别算法。BVDCA在不同视图间最大化类内相关性信息,最小化类间相关性信息,从而可以达到鉴别分类的目的。进一步地,考虑到手语图像包含大量的非线性特征,提出基于核化的视图间鉴别相关性分析(Kernel Between-View Discriminant Correlation Analysis,KBVDCA),以解决线性不可分的目的。在手语图像数据集的实验结果验证了二者的有效性。
出处
《电脑知识与技术》
2020年第15期19-21,共3页
Computer Knowledge and Technology
基金
湖南省教育厅科学研究项目(17C0195)。