学习理论中的核典型相关分析及相关算法的研究和应用

项目名称： 学习理论中的核典型相关分析及相关算法的研究和应用

项目编号： No.11401112

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 数理科学和化学

项目作者： 蔡佳

作者单位： 广东财经大学

项目金额： 22万元

中文摘要： 典型相关分析是一种研究两个多维变量集之间共同特征的特征提取算法。它在多媒体信息检索、人机交互、基因序列分析、文本识别等领域有着广泛应用。然而，核典型相关分析(引入核方法的典型相关分析)数学理论的研究仍处于初级阶段。本项目将运用统计学习理论中已有的关于最小二乘回归，系数正则化的理论来研究核典型相关分析的相关理论。本项目研究降阶模型下，在线算法和核典型相关分析的融合；研究不定核多重核典型相关分析的收敛速率及算法稀疏性；给出条件核典型相关分析在一维和多维情形一致性的刻画指标。本项目将同时应用距离相关的理论以及弹性网格核典型相关分析的理论研究大脑感兴趣区域的功能连接。研究所得成果将揭示脑区功能连接异常对人类某些变异行为变化的影响。

中文关键词： 核典型相关分析；鲁棒性；Kaczmarz算法；再生核希尔伯特空间；

英文摘要： Canonical correlation analysis (CCA)is an important data feature extraction method, which focuses on mutual information that shared by two sets of multidimensional variables. It has been widely used in multimedia information retrieval, human and machine i

英文关键词： kernel canonical correlation analysis；robustness；Kaczmarz algorithm；reproducing kernel Hilbert space；