混合概率典型相关性分析

来源：计算机研究与发展杂志2015年第7期北京时间：

作者：张博,郝杰,马刚,岳金朋,张建华,史忠植,

摘要：典型相关性分析(canonicalcorrelationanalysis,CCA)是一种用来分析2组随机变量之间相关性的统计分析工具,但作为一种线性数学模型,CCA不足以揭示真实世界中大量存在的非线性相关现象.采用局部化的方法,在概率典型相关性分析(probabilisticCCA,PCCA)的基础上,使用概率混合模型框架,提出了混合概率典型相关性分析模型(mixtureofprobabilisticCCA,MixPCCA)以及估计模型参数的2阶段期望最大化(expectationmaximization,EM)算法,并给出了使用聚类融合确定局部线性模型数量的方法和MixPCCA模型应用于模式识别的理论框架.在手写体数据集USPS和MNIST上的实验证明,MixPCCA模型通过混合多个局部线性PCCA模型不仅提供了一种捕捉复杂的全局非线性相关性的解决方案,而且还具备检测只在局部区域才存在的相关性的能力.

关键词：典型相关性分析, 概率典型相关性分析, 混合概率模型, 聚类融合, 模式识别,