TAILIEUCHUNG - Báo cáo hóa học: " Research Article Matrix-Variate Probabilistic Model for Canonical Correlation Analysis"

Tuyển tập báo cáo các nghiên cứu khoa học quốc tế ngành hóa học dành cho các bạn yêu hóa học tham khảo đề tài: Research Article Matrix-Variate Probabilistic Model for Canonical Correlation Analysis | Hindawi Publishing Corporation EURASIP Journal on Advances in Signal Processing Volume 2011 Article ID 748430 7 pages doi 2011 748430 Research Article Matrix-Variate Probabilistic Model for Canonical Correlation Analysis Mehran Safayani and Mohammad Taghi Manzuri Shalmani Department of Computer Engineering Sharif University of Technology . Box 11155-8639 Tehran 1458889694 Iran Correspondence should be addressed to Mehran Safayani safayani@ Received 29 October 2010 Revised 29 January 2011 Accepted 31 January 2011 Academic Editor Enrico Capobianco Copyright 2011 M. Safayani and M. T. Manzuri Shalmani. This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use distribution and reproduction in any medium provided the original work is properly cited. Motivated by the fact that in computer vision data samples are matrices in this paper we propose a matrix-variate probabilistic model for canonical correlation analysis CCA . Unlike probabilistic CCA which converts the image samples into the vectors our method uses the original image matrices for data representation. We show that the maximum likelihood parameter estimation of the model leads to the two-dimensional canonical correlation directions. This model helps for better understanding of twodimensional Canonical Correlation Analysis 2DCCA and for further extending the method into more complex probabilistic model. In addition we show that two-dimensional Linear Discriminant Analysis 2DLDA can be obtained as a special case of 2DCCA. 1. Introduction Recently a probabilistic interpretation of statistical dimension reduction algorithms has been proposed by several authors. Tipping and Bishop have derived a latent variable model for principal component analysis PPCA and have shown that how the principal subspace of the set of data vectors can be obtained within a maximum likelihood framework 1 . Lawrence has proposed another probabilistic .

TÀI LIỆU LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
10    179    3    28-12-2024
41    188    5    28-12-2024
TAILIEUCHUNG - Chia sẻ tài liệu không giới hạn
Địa chỉ : 444 Hoang Hoa Tham, Hanoi, Viet Nam
Website : tailieuchung.com
Email : tailieuchung20@gmail.com
Tailieuchung.com là thư viện tài liệu trực tuyến, nơi chia sẽ trao đổi hàng triệu tài liệu như luận văn đồ án, sách, giáo trình, đề thi.
Chúng tôi không chịu trách nhiệm liên quan đến các vấn đề bản quyền nội dung tài liệu được thành viên tự nguyện đăng tải lên, nếu phát hiện thấy tài liệu xấu hoặc tài liệu có bản quyền xin hãy email cho chúng tôi.
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.