典型文献
块增量典型相关分析
文献摘要：
增量学习是处理大规模动态流数据的重要技术,在机器学习领域得到广泛应用.已有众多学者将其与降维方法相结合得到增量式降维算法,其中增量典型相关分析(ICCA)是典型相关分析(CCA)的增量式改进版本,可有效处理多视图的高维数据流降维问题.由于ICCA每次只利用单对样本更新投影向量,每新增一对样本均需更新一次投影向量,导致该算法比较耗时.为了提高算法的效率,提出了块增量典型相关分析(CICCA)算法.该算法无需计算样本协方差矩阵,直接将数据流按批处理,每次利用新增的批样本信息对上一步投影向量进行修正更新,从而得到主投影向量.进一步,在投影向量的正交补空间中计算其他投影向量,进而将原始高维的多视图数据投影到低维空间.在人工数据集和真实数据集上的实验结果表明,该算法提取低维特征的分类性能与CCA、ICCA相当,但训练时间大幅度减少.
文献关键词：
典型相关分析(CCA);数据降维;增量学习;多视图分类
中图分类号：
作者姓名：
潘玉;陈晓红;李舜酩;李纪永
作者机构：
南京航空航天大学 理学院,南京 211106;南京航空航天大学 能源与动力学院,南京 211106;四川航天中天动力装备有限责任公司,成都 610100
文献出处：
引用格式：
[1]潘玉;陈晓红;李舜酩;李纪永-.块增量典型相关分析)[J].计算机科学与探索,2022(08):1809-1818
A类：
CICCA,多视图分类
B类：
典型相关分析,增量学习,动态流数据,学习领域,降维方法,增量式,降维算法,改进版,高维数据,数据流,投影向量,算法比较,协方差矩阵,批处理,补空,中计,多视图数据,低维空间,真实数据,低维特征,分类性能,训练时间,数据降维
AB值：
0.265972
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
