相关分析理论及其模式识别应用的几个关键问题研究

机器学习的基本目的之一是发现观察对象之间隐含的各种关系。典型相关分析(CCA)是研究两组观察样本之间相关关系的有力工具，通过寻找两个线性变换来抽取特征，CCA在较低维的空间中研究二者之间的线性相关关系；并利用这种相关关系来进行回归建模、预测等工作。此外，利用CCA抽取不同模态的特征进行信息融合也是提高模式识别性能的一个新的途径，近年来正日益受到重视。本项目将在申请者攻读博士期间的工作基础上，重点对CCA的如下关键问题进行研究：1)构建新的信息融合方法，用于人体生物信息的多模态识别；2)研究一种重要的CCA扩展模型――核CCA，揭示核CCA的本质，并研究KCCA算法的一些关键性问题。