基于典型相关性的多视图方法分析及调用策略框架

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：钟海舒;梁?瑾

摘要：在大数据的时代背景下,数据有多种不同的来源,或者是从各种不同的视角中提取出来的,这类数据通常被称作多视图数据。深入挖掘多个视图数据间的相互关联具有重要意义和实际价值。目前最流行的多视图分析方法是基于典型的相关性分析(CCA)。近些年不断有典型多视图相关性分析方法被研究提出,该类方法主要通过一些变换并利用皮尔森系数来确定最佳的投影向量对,进而揭示数据间的最大关联性。但主要限于某方法与其他方法的对比优化研究,较少针对不同场景融合调用不同CCA多视图方法进行处理。该文旨在对比分析近些年一些代表性典型多视图相关性分析方法,探讨它们在图像分类方面的表现,在6个公开基准数据集上进行实验,并对比分析它们的准确率、鲁棒性和时间复杂度等方面的特征,从而提出一个针对不同的情景融合多个CCA多视图方法的调用策略框架,弥补了这方面的缺失,为进一步研究多视图CCA方法的优化及应用提供参考。

关键词：典型相关分析;多视图数据;图像分类;模型调用策略;特征提取