论文部分内容阅读
协方差矩阵在特征学习中至关重要,但在实际应用中难以获得真实协方差矩阵,通常是利用基于样本数据的样本协方差矩阵来逼近真实协方差矩阵,然而采集的样本数据经常是带有冗余和噪声信息的高维数据,这将导致样本协方差矩阵严重偏离真实协方差矩阵,进而影响特征学习方法的性能。为了解决该问题,利用柯西估计对样本协方差矩阵的奇异值进行纠正,进而形成更加接近真实协方差矩阵的柯西协方差矩阵,然后借助相关分析理论,提出面向多模态图像的柯西相关特征学习方法,即柯西典型相关分析。该方法能够同时从不同的模态学习具有强鉴别力的相关特征