一种新的有监督的局部保持典型相关分析算法*

潘荣华,陈秀宏,曹翔

(江南大学数字媒体学院，江苏 无锡 214122)

摘要：从模式识别的角度出发，在局部保持典型相关分析的基础上，提出一种有监督的局部保持典型相关分析算法(SALPCCA)。该方法在构造样本近邻图时将样本的类别信息考虑在内, 由样本间的距离度量确定权重，建立样本间的多重权重相关，通过使同类内的成对样本及其近邻间的权重相关性最大，从而能够在利用样本的类别信息的同时，也能保持数据的局部结构信息。此外，为了能够更好地提取样本的非线性信息，将特征集映射到核特征空间，又提出一种核化的SALPCCA(KSALPCCA)算法。在ORL、Yale、AR等人脸数据库上的实验结果表明，该方法较其他的传统典型相关分析方法有着更好的识别效果。

关键词：局部保持;典型相关分析(CCA);特征提取;人脸识别

中图分类号：TP391.4 文献标志码：A

doi:10.3969/j.issn.1007-130X.2015.06.021

收稿日期：*2014-02-27;修回日期：2014-06-11

基金项目：国家自然科学基金资助项目 (61373055)

作者简介:

通信地址：214122 江苏省无锡市江南大学数字媒体学院

Address:School of Digital Media,Jiangnan University,Wuxi 214122,Jiangsu,P.R.China

Anewsupervisedlocalitypreservingcanonicalcorrelationanalysisalgorithm

PANRong-hua,CHENXiu-hong，CAOXiang

(SchoolofDigitalMedia,JiangnanUniversity,Wuxi214122,China)

Abstract:From the angle of model recognition, based on Canonical Correlation Analysis (CCA) we propose a new supervised locality preserving canonical correlation analysis (SALPCCA) based on the ALPCCA. By leveraging the useful information of class label, we can expediently construct the nearest neighbor graph and build multi-weighted correlation between samples. Through maximizing the weighted correlation between corresponding samples and their near neighbors belonging to the same classes, the SALPCCA effectively utilizes the class label information and preserves the local manifold structure of the data. Besides, we also propose a kernel SALPCCA (KSALPCCA) based on the kernel methods to better extract the nonlinear features of the data. The experimental results on the face databases of ORL, Yale and AR show that the proposed algorithm has better performance compared with the traditional canonical correlation analysis methods.

Keywords:localitypreserving;canonicalcorrelationanalysis(CCA);featureextraction;facerecognition

1引言

在传统的模式分类问题中，通常能获得一组目标的一组数据来进行分类并做出最终的决策，该组数据形成了被称之为单模的原始特征数据，而从一组目标中获得的多组数据则形成了称之为多模的原始特征数据。近年来，典型相关分析CCA(CanonicalCorrelationAnalysis)[1]作为一种多模的特征提取方法，受到了越来越多的重视和关注。SunQuan-sen等人在文献[2]中对此进行了分析与研究，通过单模数据建立多模数据，使得CCA在人脸识别等领域的应用成为可能。……