张 荣 孙权森

(南京理工大学计算机科学与工程学院，南京，210094)

基于核稀疏保持投影的典型相关分析算法*

张 荣 孙权森

(南京理工大学计算机科学与工程学院，南京，210094)

模式识别的技术核心就是特征提取，而特征融合则是对特征提取方法的强力补充，对于提高特征的识别效率具有重要作用。本文基于稀疏表示方法，将稀疏表示方法用到高维度空间，并利用核方法在高维度空间进行稀疏表示，用其计算核稀疏表示系数，同时研究了核稀疏保持投影算法(Kernel sparsity preserve projection,KSPP)。将KSPP引入到典型相关分析算法(Canonical correlation analysis,CCA)，研究了基于核稀疏保持投影的典型相关分析算法(Kernel sparsity preserve canonical correlation analysis,K-SPCCA)。在多特征手写体数据库和人脸图像数据库上分别证实了本文提出方法的可靠性和有效性。

特征提取;核稀疏表示;核稀疏保持投影;典型相关分析

引 言

随着压缩感知理论的迅速发展，在20世纪90年代，稀疏表示理论应运而生，稀疏表示理论就是从原始的高维样本数据中提取低维空间的特征，使得这个投影满足稀疏性，使得这个表示系数的非0个数最少。通常使用过完备字典[1]的设计来求解稀疏表示系数，其原理是：字典中的所有元素选取全部的原始高维样本数据，然后在字典中尽量选择最少的基本元素来表示原始高维的样本数据，从而使这个表示系数里不是0的个数越少越好。Qiao[2]等提出了一种基于稀疏表示的特征提取的方法——稀疏保持投影(Sparsity preserve projection,SPP)，而最近侯书东等[3,4]受稀疏算法的启发，将SPP引入到典型相……