典型相关分析:在机器学习方法上应用的概述

摘要

我们从处理线性关系样本的典型相关分析(CCA)的基本理论入手，通过引入“核”方法，总结了处理非线性关系样本的核典型相关分析(KCCA)的基础理论构造过程.在KCCA的计算中引入了正则化方法和不完全Cholesky分解法，达到了降维和解决过拟合问题的目的。同时我们还介绍了多项式核和高斯核这两种常用的核函数。最后，我们进行了简单的基于CCA的节目评分相关性实验和基于KCCA的字符识别实验，验证了二者在不同样本中的处理效果以及选取不同核函数时KCCA的表现。