金沙自然语言处理团队在SCI期刊IEEE Transactions on Image Processing发表最新研究成果

金沙自然语言处理与智能软件研究团队陆玉武、曾碧卿在SCI期刊IEEE Transactions on Image Processing (影响因子：11.041，中科院一区，JCR：Q1，CCF A)发表研究论文——《Canonical Correlation Analysis With Low-Rank Learning for Image Representation》，并于2022年11月14日在线发表，发表网址：/index.html。

该论文的主要工作为：

目前大部分基于典型相关分析的方法将F-范数作为测度，从而使得算法对数据中的噪声非常敏感；同时，现有的相关方法都要求不同训练数据集的训练样本个数必须一致，这在一定程度上限制了算法的性能。为了解决这些问题，本文提出两种基于低秩学习的典型相关分析方法。在所提出的方法中，通过低秩表达和鲁棒主成分学习分别将数据中的噪声去除之后，将学习到的干净数据用于相关性学习，并通过引入两个不同的矩阵因子，克服了不同训练数据中训练样本必须一致的不足。通过在多个公用图像数据集上的实验，验证了所提出方法的有效性和鲁棒性。

撰稿：陆玉武

审稿：余松森，申淑媛