基于多視圖核鑒別相關與正交分析的圖像分類.pdf

1、近年來，隨著數(shù)據(jù)獲取技術不斷的發(fā)展，多視圖學習已經(jīng)在計算機視覺領域得到廣泛的關注。多視圖數(shù)據(jù)的產(chǎn)生一方面為機器學習算法提供更豐富、更具多樣性的數(shù)據(jù)，從而更好地揭示模式內(nèi)在本質(zhì)特性。另一方面也給傳統(tǒng)的、面向單一視圖的數(shù)據(jù)分析算法帶來了新的挑戰(zhàn)。如何充分挖掘多視圖的關聯(lián)信息和獨立信息，已成為機器學習領域的研究熱點之一。
　　首先，本文借鑒特征融合的思想，在多視圖鑒別分析（MvDA）的基礎上，增加投影變換矩陣的正交約束，提出了多視圖鑒別

2、正交分析（MvDOA）。增加投影矩陣的正交約束一方面能更好地保留數(shù)據(jù)之間的重構(gòu)關系，另一方面達到減少提取特征的冗余信息的目的，進一步增強算法的分類能力。
　　其次，本文在多視圖鑒別正交分析（MvDOA）的基礎上，提出了基于多視圖鑒別相關與正交分析（MvDCOA）的算法。該算法在利用上述多視圖鑒別正交分析獲取各個視圖的獨立信息基礎上，再利用多視圖典型相關性分析（MDCCA）獲取多個視圖之間的關聯(lián)信息。最終串聯(lián)合并多視圖的關聯(lián)特征和獨

3、立特征，達到充分利用了多視圖所包含的信息，進一步增強算法的分類能力。
　　最后，當多類樣本線性不可分時，本文提出了多視圖核鑒別相關與正交分析方法（MvKDCOA）。該算法將多視圖鑒別相關與正交分析算法擴展到了核空間，所以能夠挖掘隱藏在圖像空間中的非線性結(jié)構(gòu)，進一步增強算法的分類能力。
　　基于MFD多特征集手寫體數(shù)據(jù)庫、AR彩色人臉數(shù)據(jù)庫、Multi-PIE人臉數(shù)據(jù)庫和PolyU多光譜掌紋數(shù)據(jù)庫的實驗表明，所提方法能夠有效地