基于HSIC0的类间非线性相关系数度量

doi:10.3778/j.issn.1002-8331.1803-0311

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (3): 46-49.DOI: 10.3778/j.issn.1002-8331.1803-0311

基于HSIC0的类间非线性相关系数度量

张晓琴1，刘玲1，郭鑫垚2

1.山西大学数学科学学院，太原 030006
2.山西大学计算机与信息技术学院，太原 030006

出版日期:2019-02-01 发布日期:2019-01-24

Measurement of Nonlinear Correlation Coefficient among Classes Based on HSIC0

ZHANG Xiaoqin1, LIU Ling1, GUO Xinyao2

1.School of Mathematical Sciences, Shanxi University, Taiyuan 030006, China
2.School of Computer and Information Technology, Shanxi University, Taiyuan 030006, China

Online:2019-02-01 Published:2019-01-24

摘要/Abstract

摘要： 常见的相关系数反映变量之间的线性或非线性程度。基于希尔伯特-斯密特独立准则（Hilbert-Schmidt Independence Criterion，HSIC）的有偏估计（HSIC0），提出了根据类标签划分出的类与类之间的非线性相关关系的度量方法。通过六组真实的、不同类型的数据集，分别选取了线性核、多项式核、RBF核和Sigmoid核函数进行实验。结果表明，该方法具有较好的可行性。

关键词: 相关系数, HSIC0, 核函数, 非线性, 类标签

Abstract: The common correlation coefficient reflects the linear or nonlinear degree between variables. Based on the Hilbert-Schmidt Independent Criterion（HSIC） for biased estimation（HSIC0）, a method of measuring the nonlinear correlation between classes based on class labels is proposed. Through six groups of real and different types of data sets, and linear kernels, polynomial kernels, RBF kernels and Sigmoid kernel functions are selected for experiments. The results show that the method has good feasibility.

Key words: correlation coefficient, HSIC0, kernel function, nonlinear correlation, class label

张晓琴1，刘玲1，郭鑫垚2. 基于HSIC0的类间非线性相关系数度量[J]. 计算机工程与应用, 2019, 55(3): 46-49.

ZHANG Xiaoqin1, LIU Ling1, GUO Xinyao2. Measurement of Nonlinear Correlation Coefficient among Classes Based on HSIC0[J]. Computer Engineering and Applications, 2019, 55(3): 46-49.

[1]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[2]	张惠煜，陈庆新，毛宁. 随机批量物料搬运的制造系统AGV配置优化[J]. 计算机工程与应用, 2021, 57(4): 245-251.
[3]	张公凯，陈才学，郑拓. 改进鲸鱼算法在电动汽车有序充电中的应用[J]. 计算机工程与应用, 2021, 57(4): 272-278.
[4]	张力戈，陈芋文，秦小林，易斌，李雨捷. 危重症指标相关性分析模型[J]. 计算机工程与应用, 2021, 57(19): 156-163.
[5]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[6]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[7]	谢艺菲，卢琪，刘鑫，胡亚豪，潘志松，陈浩. 基于图的多层次注意力事实验证算法[J]. 计算机工程与应用, 2021, 57(10): 146-153.
[8]	颜建军，陈松晔，燕海霞，王忆勤，郭睿. 基于递归图和卷积神经网络的脉象分析识别[J]. 计算机工程与应用, 2020, 56(7): 170-175.
[9]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[10]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[11]	赵童，黄钲，王秀超，李淼，张昀，郑秀娟，刘凯. 心理测试中掩饰行为的识别研究[J]. 计算机工程与应用, 2020, 56(20): 158-164.
[12]	金楠森，刘美玲，谷欣然，韩雨彤. 双参卷积理论模型预测交通通行时间[J]. 计算机工程与应用, 2020, 56(20): 258-263.
[13]	顾艳春，鲁海燕，向蕾，沈莞蔷. 自适应动态学习鸡群优化算法[J]. 计算机工程与应用, 2020, 56(20): 36-45.
[14]	郭圣，仲兆满，李存华. 基于深度自编码的多视图子空间聚类网络[J]. 计算机工程与应用, 2020, 56(17): 60-68.
[15]	苏梦珂，孔祥智. 直觉对偶犹豫模糊集在多属性群决策中的应用[J]. 计算机工程与应用, 2020, 56(17): 273-278.

基于HSIC0的类间非线性相关系数度量

Measurement of Nonlinear Correlation Coefficient among Classes Based on HSIC0

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics