Semi-Supervised Laplacian Regularization of Kernel Canonical Correlation 
Analysis

Blaschko, MB; Lampert, CH; Gretton, A

doi:10.1007/978-3-540-87479-9_27

Semi-Supervised Laplacian Regularization of Kernel Canonical Correlation Analysis

Blaschko, M., Lampert, C., & Gretton, A. (2008). Semi-Supervised Laplacian Regularization of Kernel Canonical Correlation Analysis. In W., Daelemans, B., Goethals, & K., Morik (Eds.), Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2008, Antwerp, Belgium, September 15-19, 2008 (pp. 133-145). Berlin, Germany: Springer.

Item is 公開

表示: 全項目非表示: 全項目

基本情報

表示: 非表示:

アイテムのパーマリンク: https://hdl.handle.net/11858/00-001M-0000-0013-C7D3-2 版のパーマリンク: https://hdl.handle.net/21.11116/0000-0003-3D62-B

資料種別: 会議論文

ファイル

表示: ファイル

作成者

表示:

非表示:

作成者:
Blaschko, MB^{1, 2}, 著者
Lampert, CH^{1, 2}, 著者
Gretton, A^{1, 2}, 著者

所属:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794

内容説明

表示:

非表示:

キーワード: -

要旨: Kernel canonical correlation analysis (KCCA) is a dimensionality reduction technique for paired data. By finding directions that
maximize correlation, KCCA learns representations that are more closely
tied to the underlying semantics of the data rather than noise. However,
meaningful directions are not only those that have high correlation to another
modality, but also those that capture the manifold structure of the
data. We propose a method that is simultaneously able to find highly
correlated directions that are also located on high variance directions
along the data manifold. This is achieved by the use of semi-supervised
Laplacian regularization of KCCA. We show experimentally that Laplacian
regularized training improves class separation over KCCA with only
Tikhonov regularization, while causing no degradation in the correlation
between modalities. We propose a model selection criterion based on
the Hilbert-Schmidt norm of the semi-supervised Laplacian regularized
cross-covariance operator, which we compute in closed form.

資料詳細

表示:

非表示:

言語:

日付: 出版: 2008-09

出版の状態: 出版

ページ: -

出版情報: -

目次: -

査読: -

識別子（DOI, ISBNなど）: DOI: 10.1007/978-3-540-87479-9_27
BibTex参照ID: 5248

学位: -

訴訟

表示:

Project information

表示:

出版物 1

表示:

非表示:

出版物名: Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2008, Antwerp, Belgium, September 15-19, 2008

種別: 会議論文集

著者・編者:
Daelemans, W, 編集者
Goethals, B, 編集者
Morik, K, 編集者

所属:
-

出版社, 出版地: Berlin, Germany : Springer

ページ: - 巻号: - 通巻号: - 開始・終了ページ: 133 - 145 識別子（ISBN, ISSN, DOIなど）: ISBN: 978-3-540-87478-2

出版物 2

表示:

非表示:

出版物名: Lecture Notes in Computer Science

種別: 連載記事

著者・編者:

所属:

出版社, 出版地: -

ページ: - 巻号: 5211 通巻号: - 開始・終了ページ: - 識別子（ISBN, ISSN, DOIなど）: -

アイテム詳細

基本情報

ファイル

関連URL

作成者

内容説明

資料詳細

関連イベント

訴訟

Project information

出版物 1

出版物 2