- 博客(6)
- 收藏
- 关注
RSS订阅原创 Semantic matching & Semantic correlation matching
在跨媒体交叉检索领域，一个可行的子空间学习方法是在一个抽象的高层（可以看做是语义层）表示原始数据。以图像和文本为例，通过某种有监督学习算法把原始图像空间II和文本空间TT映射到相应的图像语义子空间SIS^I和文本语义子空间STS^T。
2015-09-26 15:24:25
2230
原创 偏最小二乘回归（PLSR）算法原理
PLSR是一种多因变量Y对多自变量X的回归建模方法，该算法在建立回归的过程中，既考虑了尽量提取Y和X中的主成分（PCA—Principal Component Analysis，主成分分析的思想），又考虑了使分别从X和Y提取出的主成分之间的相关性最大化（CCA的思想）。简单的说，PLSR是PCA、CCA和多元线性回归这三种基本算法组合的产物。
2015-09-24 19:24:24
64777
5
原创 基于CCA的图像文本交叉检索
1、研究内容摘要 互联网的出现使得网络媒体内容在量和种类上出现井喷式的增长，跨媒体检索的需求也日益增大。本文主要关注基于CCA（典型关联分析）的“图像—文本”交叉检索算法的实现。要用计算机实现图像、文本这两种最常见的媒体内容之间的交叉检索，首先要分别把图像和文本各自用某种特征向量表示，即把图像数据映射到图像特征空间I1I_1，文本数据映射到文本特征空间T1T_1。然而特征空间I1I_1和T1T_1
2015-09-11 15:26:51
6403
9
原创 核典型关联分析（KCCA）算法原理
Kernel Canonical Correlation Analysis1、CCA的不足普通的线性CCA只能探索两组随机变量之间的线性关系，而在实际情况中，变量间的关系往往是非线性的，于是非线性的CCA出现了，KCCA就是一种常用的非线性CCA算法。KCCA是把核函数的思想引入CCA中，思想是把低维的数据映射到高维的特征空间（核函数空间），并通过核函数方便地在核函数空间进行关联分析。
2015-07-24 16:34:02
16002
1
原创 ( Incomplete ) Cholesky decomposition
( Incomplete ) Cholesky decomposition Cholesky分解是一种分解矩阵的方法, 在线形代数中有重要的应用。Cholesky分解把矩阵分解为一个下三角矩阵以及它的共轭转置矩阵的乘积（那实数界来类比的话，此分解就好像求平方根）。与一般的矩阵分解求解方程的方法比较，Cholesky分解效率很高。 Cholesky是生于19世纪末的法国数学家，曾就读于
2015-07-22 14:47:38
4250
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人