基于判别相关分析(DCA)的特征融合方法: Fea...

简介：
本研究提出了一种基于判别相关分析（DCA）的特征融合方法（FeaFusion），旨在优化多源数据集成效果，提升模式识别系统的性能和鲁棒性。 特征融合是指将两个特征向量组合成一个更具判别力的单个特征向量的过程。DCAFUSE 使用基于判别相关分析（Discriminant Correlation Analysis, DCA）的方法进行特征级融合，它从两种模态 X 和 Y 中获取训练和测试数据矩阵以及对应的类标签，并将它们合并为单一的特征集 Z。有关详细信息，请参阅 M. Haghighat、M. Abdel-Mottaleb 与 W. Alhalabi 的论文《判别相关分析：用于多模态生物特征识别的实时特征级融合》，发表于 IEEE 信息取证和安全交易，第11卷第9期，2016年9月。此外还有 M. Haghighat、M. Abdel-Mottaleb 和 W. Alhalabi 的另一篇论文《判别相关分析在多模态生物识别中的特征级融合应用》，发表于 IEEE 国际声学、语音和信号处理会议。