Feature fusion using Canonical Correlation Analysis (CCA)
Feature level fusion using Canonical Correlation Analysis (CCA)
Al momento, stai seguendo questo contributo
- Vedrai gli aggiornamenti nel tuo feed del contenuto seguito
- Potresti ricevere delle email a seconda delle tue preferenze per le comunicazioni
Feature fusion is the process of combining two feature vectors to obtain a single feature vector, which is more discriminative than any of the input feature vectors.
CCAFUSE applies feature level fusion using a method based on Canonical Correlation Analysis (CCA). It gets the train and test data matrices from two modalities X and Y, and consolidates them into a single feature set Z.
Details can be found in:
M. Haghighat, M. Abdel-Mottaleb, W. Alhalabi, "Fully Automatic Face Normalization and Single Sample Face Recognition in Unconstrained Environments," Expert Systems With Applications, vol. 47, pp. 23-34, April 2016. http://dx.doi.org/10.1016/j.eswa.2015.10.047
(C) Mohammad Haghighat, University of Miami
haghighat@ieee.org
PLEASE CITE THE ABOVE PAPER IF YOU USE THIS CODE.
Cita come
Haghighat, Mohammad, et al. “Fully Automatic Face Normalization and Single Sample Face Recognition in Unconstrained Environments.” Expert Systems with Applications, vol. 47, Elsevier BV, Apr. 2016, pp. 23–34, doi:10.1016/j.eswa.2015.10.047.
Riconoscimenti
Ispirato da: Dimensionality Reduction using Generalized Discriminant Analysis (GDA)
Ispirato: Feature fusion using Discriminant Correlation Analysis (DCA)
Categorie
Scopri di più su Dimensionality Reduction and Feature Extraction in Help Center e MATLAB Answers
Informazioni generali
Compatibilità della release di MATLAB
- Compatibile con qualsiasi release
Compatibilità della piattaforma
- Windows
- macOS
- Linux
Le versioni che utilizzano il ramo predefinito di GitHub non possono essere scaricate
| Versione | Pubblicato | Note della release | Action |
|---|---|---|---|
| 1.0.1 | Updated the references |
||
| 1.0.0.0 |
