混合概率典型相关性分析

典型相关性分析(canonical correlation analysis,CCA)是一种用来分析2组随机变量之间相关性的统计分析工具,但作为一种线性数学模型,CCA不足以揭示真实世界中大量存在的非线性相关现象.采用局部化的方法,在概率典型相关性分析(probabilistic CCA,PCCA)的基础上,使用概率混合模型框架,提出了混合概率典型相关性分析模型(mixture of probabilistic CCA,MixPCCA)以及估计模型参数的2阶段期望最大化(expectation maximization,EM)算法,并给出了使用聚类融合确定局部线性模型数量的方法和MixPCCA模型应用于模式识别的理论框架.在手写体数据集USPS和MNIST上的实验证明,MixPCCA模型通过混合多个局部线性PCCA模型不仅提供了一种捕捉复杂的全局非线性相关性的解决方案,而且还具备检测只在局部区域才存在的相关性的能力.

一种基于跨领域典型相关性分析的迁移学习方法

作为迁移学习的一个重要研究方向,基于特征映射的方法学习各领域特有特征与领域共享特征之间的相关性,通过一些相关特征减少领域之间的差异,已经获得了广泛的关注和研究.典型相关性分析是一种用来分析两组随机变量之间相关性的统计分析工具.将典型相关性分析引入迁移学习,结合基于特征映射迁移学习的思路,提出了一种跨领域典型相关性分析算法.该算法在保持各领域特有特征与领域共享特征相关性的基础上,通过选择合适的基向量组合训练分类器,使降维后的相关特征在领域间具有相似的判别性.在20Newsgroups上864个分类问题以及多领域情感分析数据集上12个分类问题的实验结果表明,跨领域典型相关性分析算法可以有效地提高跨领域迁移分类准确率.

基于弱匹配概率典型相关性分析的图像自动标注

针对弱匹配多模态数据的相关性建模问题,提出了一种弱匹配概率典型相关性分析模型(semi-paired probabilistic CCA,简称Semi PCCA).Semi PCCA模型关注于各模态内部的全局结构,模型参数的估计受到了未匹配样本的影响,而未匹配样本则揭示了各模态样本空间的全局结构.在人工弱匹配多模态数据集上的实验结果表明,Semi PCCA可以有效地解决传统CCA(canonical correlation analysis)和PCCA(probabilistic CCA)在匹配样本不足的情况下出现的过拟合问题,取得了较好的效果.提出了一种基于Semi PCCA的图像自动标注方法.该方法基于关联建模的思想,同时使用标注图像及其关键词和未标注图像学习视觉模态和文本模态之间的关联,从而能够更准确地对未知图像进行标注.

基于Tag-rank和典型相关性分析的在线商品跨媒体检索研究

在线商品跨媒体检索是电子商务领域的研究热点,增强特征判别性以改善检索性能是其核心问题。引入Tag-rank模型计算单词的绝对排序和相对排序权重,以准确刻画单词在文本中出现位置的统计特性,抑制噪声干扰并提升关键词权重,从而增强文本特征判别性,最终改善跨媒体检索性能。实验表明:在文本检索图像中,相对排序类模型和绝对排序类模型检索性能平均提升6.58%和4.99%。在图像检索文本中,若合理选取图像特征;检索性能也有提升。所设计的后融合策略能进一步改善检索性能。

加工辣椒无损品质检测方法及典型相关性分析

以123份加工型辣椒的果实样品为材料。采用无损近红外光谱技术方法,分析了辣椒果实样品的近红外扫描光谱和辣椒素、粗脂肪与粗纤维含量的定标预测模型及样品的检测值,并运用无损色差技术方法,分析了辣椒样品色度值L^(*)、a^(*)、b^(*)及色差值E^(*)_(ab),同时,研究了辣椒无损品质检测方法与传统理化性状2组指标间的典型相关关系。结果表明,本研究所建立的加工型辣椒果实样品辣椒素、粗脂肪和粗纤维的近红外定标预测模型,其定标决定系数(RSQ)、交叉验证决定系数(1-VR)及外部预测决定系数均大于0.8,而交叉验证标准偏差(SECV)和定标标准偏差(SEC)保持在低水平,说明所建模型对辣椒果实的辣椒素、粗脂肪和粗纤维含量的检测具有稳定性和准确性;色价与色度值L^(*)、a^(*)、b^(*)及E^(*)_(ab)均表现出极显著正相关关系(P<0.01),说明色差值可从不同角度完成对辣椒果实色泽品质的量化评价;通过典型相关性分析,辣椒果实样品无损品质性状与理化性状这2个变量组之间具有极显著相关性(P<0.01),相关系数为0.973,是大于2组性状间各自的简单相关系数。

人脸表情动画与语音的典型相关性分析

表情动画作为语音驱动人脸动画的一部分,在增加人脸动画逼真性方面起着重要的作用,但已有的工作没有定量分析人脸表情动画与语音之间的关系.文中通过研究人脸表情动画与语音的相关性,采用典型相关性分析方法(CCA)定量分析两者之间的内在联系,得出这些关系直观的量化的结论.首先计算人脸表情动画与语音的典型相关性系数,衡量两者的相关程度;然后分析人脸表情动画与语音的典型负荷、典型交叉负荷等数据,并挖掘两者内部各分量之间的联系,由此得出直观的量化的结论.最后验证了结论的稳定性.分析结果表明两者具有强相关性,并揭示了人脸表情动画各成分与语音声学特征之间的具体内在联系.文中成果可为语音驱动人脸动画技术提供理论参考及结果评价依据.

基于典型相关性分析的自适应拟牛顿盲源分离算法

通过分析经典的典型相关性分析标准,提出一种新的源信号抽取标准,并利用在线拟牛顿算法求解新标准,进而得到一种新的基于典型相关性分析的盲源信号抽取算法,实现了盲源分离.理论分析表明,新源信号抽取标准的唯一全局最小值点是经典典型相关性分析标准的最大值点.仿真结果表明,新算法收敛速度更快.

基于深度典型相关性分析的跨媒体语义检索

基于典型相关性分析的跨媒体检索是一种将不同媒体特征通过相关性分析映射到同构的最大相关子空间,并在子空间中完成跨媒体数据间的相似性比较和检索的方法.典型相关性分析(canonical correlation analysis,CCA)是一种线性模型,并不能很好地挖掘跨媒体数据中的复杂相关关系.为此针对深度典型相关性分析(deep CCA,DCCA)的结构进行改进,使用隐含狄利克雷分布(latent Dirichlet allocation,LDA)发现文本语义信息并学习语义映射,提出了跨媒体深度相关性学习模型(cross-media correlation learning with deep canonical correlation analysis,CMC-DCCA)以及跨媒体语义相关性检索方法(cross-media semantic correlation retrieval,CMSCR).在维基百科文本图像数据集上的实验证明,CMC-DCCA模型能够较好地挖掘跨媒体数据中的复杂相关关系,CMSCR在跨媒体检索中具有较好的性能.

基于典型相关性分析的稀疏表示目标追踪

传统稀疏表示目标追踪算法首先通过粒子滤波方法对状态粒子进行采样,然后利用灰度特征表征采样粒子观测向量,最后构造基于观测向量的稀疏表示模型来进行目标追踪。与传统稀疏表示模型不同,该文提出一个基于典型相关性分析的稀疏表示模型,此模型首先使用两种特征来表征粒子观测向量,然后对两种观测向量的子空间投影结果进行稀疏建模。所构建的模型可通过在子空间中探究特征间的相关性来实现不同特征的互补融合,提升稀疏表示模型在复杂监控环境下的鲁棒性。

基于弱匹配典型相关性分析的阿尔茨海默病识别

目的为了增强阿尔茨海默病(AD)的识别能力。方法该文采用多模态异构生物标志物数据在统计意义上潜在的相关性,利用互补原理,最大化不同模态数据之间的相关性,并在典型相关性分析的基础上,引入流形正则化技术提出了弱匹配典型相关性分析算法。结果解决了弱匹配多模态数据相关性建模问题。结论多模态异构生物标志物数据融合方法的预测性能优于单模态,能对AD的发病和病理研究提供更准确的信息。

流通产业与国民经济关系的典型相关性分析

流通产业在我国国民经济中的作用一直都是流通学界研究的重要领域。现阶段,随着我国市场经济体系愈发完善,流通产业已然成为我国国民经济的重要组成部分,而且,在以知识经济为核心发展动力的背景下,流通产业已经在我国各区域市场中开始扮演较强的主导地位角色。因此,本文运用典型相关性分析方法,对当下我国的流通产业在发展过程中与国民经济中的关联产业之间所存在的紧密联系,以及国民经济的发展与流通产业发展结构相互之间的关联作用进行了深入的挖掘和探究,希望借此推动我国的结构性改革攻坚,并推动我国的流通体制改革和提升商贸流通效率。

基于低阶近似的多维数据流相关性分析

目前存在的多数据流相关性分析方法大多只针对于单属性维数据流,无法体现多变量组成的场与场之间真实的相关性.为了在资源受限的环境下快速检测多维数据流之间的相关性,本文提出一种新颖的基于典型相关性分析(CCA)的多维数据流相关性分析算法S treamCCA,针对传统的CCA计算中的性能瓶颈,提出为样本方差阵与协差阵组成的乘积阵降维的高效低价近似方法,在保持分析精度的前提下显著地提高了计算效率.经理论分析和实验证明,S treamCCA能够在线精确地识别两条多维数据流的相关关系,可以作为通用的预报和诊断分析工具广泛应用于数据流挖掘领域.

高维数据流的在线相关性分析

为了解决在资源受限的计算环境下快速检测高维数据流之间相关性的问题,提出一种新颖的在线典型相关性分析(CCA)算法QuickCCA,针对传统CCA计算中的性能瓶颈,首先采用不等概列采样技术约减流元组的数量,形成概要矩阵;然后在概要矩阵的基础上增量地计算多维数据流之间的前k个典型相关系数.经理论分析和实验证明,QuickCCA能够在线精确地识别同步滑动窗口模式下多维数据流之间的相关性.与已有分析多数据流相关性的算法相比,QuickCCA显著地降低了计算复杂度,并且能够在精度和性能之间折中,可以作为通用的分析工具广泛应用于数据流挖掘领域.

典型相关分析融合LBP和HOG特征的人脸年龄估计

通过人脸分析方法估计人类年龄的困难在于人脸外观的变化原因除了年龄变化,还受生活方式及环境等影响。人脸图像在采集时的复杂性造成的光照不均,人脸姿势等,也增加年龄估计难度。目前大多数年龄估计的方法都是预先对人脸图像进行灰度均衡和人脸矫正等预处理,采用外形或纹理信息作为特性的估计方法。提出一种多特征融合的人脸年龄估计方法,采用有较好的光照及旋转不变性的局部二进制模式(LBP)和梯度直方图(HOG)作为人脸年龄变化的特征描述子,用典型相关分析法(CCA)在特征层将LBP和HOG融合成更具年龄变化鉴别力的特征。然后通过学习得到一个多线性回归函数揭示融合后的特征和年龄之间的关系。实验结果表明该方法在没有人脸矫正等预处理的情况能取得较好效果。

基于双重鉴别相关性分析的图像识别算法

针对多视图相关性算法未有效利用视图中相关信息且忽视了潜在的鉴别信息的问题,提出基于同一视图内和不同视图间的双重鉴别相关性分析（DVDCA）算法。首先,设计有监督的类内和类间相关性变量,通过最大化类内相关性变量、最小化类间相关性变量来提取视图中的鉴别特征;其次,考虑在同一视图内和不同视图间均考虑进行鉴别相关特征提取,设计约束形式的双重视图鉴别相关性特征提取模型,以利用丰富的视图信息。在Multi-PIE多角度人脸数据集数据集上与多视图线性鉴别分析、典型相关性分析（CCA）、多视图鉴别隐性空间（MDLS）、不相关多视图鉴别字典学习（UMDDL）四种算法对比实验,DVDCA分类识别率能够提高1.45-4.73个百分点;在MFD多特征手写体数据集上分类识别率能够提高1.25-5.29个百分点。

江西烤烟化学成分与感官质量典型相关分析

化学成分与感官质量是决定烤烟质量的关键因子,探讨江西烤烟主要化学成分与感官质量的关系。采用简单相关分析和典型相关分析的方法对江西烤烟71个样本进行分析。结果表明,烟碱、水溶性总糖、还原糖和糖碱比对烤烟的劲头、刺激性、余味和浓度较大影响;总钾和总氯对烤烟香气量和浓度有较大影响。烤烟的化学成分与感官质量关系密切,烟气的酸碱平衡决定了烤烟的劲头、刺激性、余味和浓度,而烤烟的燃烧性决定了烤烟的香气量和浓度。

切达奶酪挥发性特征风味物质的多典型相关融合分析

切达奶酪在其成熟期内的感官品质级别与其挥发性风味组分之间存在相关性,而传统的特征风味组分相关性、贡献程度研究方法常依赖于仪器及人的主观因素制约,甚至无法摆脱化合物香气协同作用的束缚,存在很多缺陷,不能高质量快速的判断出特征风味物质对于不同奶酪级别的重要性以及贡献程度。针对这一科学问题,本文将切达奶酪挥发性风味物质组分与其感官品质级别的相关性展开探讨,对相关性分析的算法进行研究,提出一种多CCA(Canonical Correlation Analysis)融合的切达奶酪挥发性特征风味物质识别分析方法。经过实验得出,本方法在成熟期内淡味、中味、浓味切达奶酪中具有优势,优于CCA典型相关分析、PCA主成分分析以及PLS偏最小二乘法,能够更好的识别与切达奶酪淡味、中味、浓味3种感官风味级别相关性较强的风味组分。

基于典型相关和人工粒子群的大坝监测分析模型

针对大坝安全监测多效应量统计分析模型存在相关性而影响模型精度问题,提出了优化方案,预先对效应量和影响因子进行典型相关性分析,实现变量降维并提取与效应量相关性大的自变量作为模型输入因子构建多元线性回归模型,并基于人工粒子群算法求解最优偏回归系数。经与全回归、逐步回归、偏最小二乘回归模型比较验证,实例表明所建模型有较优的拟合效果和预测精度、鲁棒性强。

基于典型相关分析全局和局部特征融合的植物识别方法

同类叶片图像的复杂多样性增加了植物识别研究的难度,导致利用叶片图像进行植物识别的识别率不高,因此提出一种基于典型相关分析(CCA)全局和局部特征融合的植物识别方法.首先,采用有较好的光照及旋转不变性的梯度直方图(HOG)和边缘轮廓Fourier描述子作为植物识别的特征;然后利用CCA在特征层将HOG和Fourier描述子相融合,构成更具分类鉴别力的一个特征向量;最后利用K-最近邻分类器进行植物识别.在ICL叶片图像数据库上的试验结果表明了该方法的有效性.

典型相关分析在赛什塘铜矿床的应用

介绍典型相关分析的基本原理,运用典型相关分析的方法分析赛什塘铜矿区的地层、岩浆岩与矿体主要元素Cu、S的相关关系,结合以往的研究成果,从地质统计学的方面解决了多年来关于该矿床成因的争论,认为赛什塘铜矿床是与地层有关的热水沉积矿床。