论文部分内容阅读
典型相关分析是多视图特征学习领域的研究热点,然而监督信息的缺失使其难以学习强鉴别力的相关特征,为此本文提出了一种新的鉴别相关特征学习方法,即标签散布相关分析(Label Scatter Correlation Analysis,LSCA)。该方法借助类标签信息,最大化了视图间类内相关性,并且最小化了视图间类间相关性和视图内类内散布,进而学习的相关特征在最大化相关性同时,尽可能的保留了类标签的鉴别力和散布结构。良好的实验结果已经显示该方法在图像识别中的有效性。