Empirical Comparison of Canonical Correlation Analysis and its Kernelized Variants
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2019-08-19
Department
Major/Subject
Tietotekniikka
Mcode
SCI3042
Degree programme
Master’s Programme in Computer, Communication and Information Sciences
Language
en
Pages
60
Series
Abstract
Finding non-linear relationships in data sets has become important in many fields of science. We compared the performances of CCA and three dense, kernelized CCA variants, KCCA, gradKCCA, (S)CCA-HSIC in 12 experiments with simulated data and two real-world scenarios. We concluded that the kernelized CCA variants are capable of retrieving complex non-linear relationships in simulated settings, and, in agreement with previous research, the methods can be applied in real-world scenarios.Epälineaaristen yhteyksien löytämisestä on tullut tärkeää monilla tieteenaloilla. Tutkimuksessa vertailin toisiinsa CCA:a sekä kolmea CCA:n tiheää ydinfunktiolaajennusta: KCCA:a, gradKCCA:a ja (S)CCA-HSIC:a. Tutkimuksen ensimmäisessä osassa loin 12 koeasetelmaa, joissa käytin simuloitua dataa. Toisessa osassa vertailin menetelmien kykyä löytää yhteyksiä kahdella tosimaailman datajoukolla. Tutkimuksessa ilmeni, että ydinfunktiolaajennetut CCA-muunnelmat kykenevät löytämään monimutkaisia epälineaarisia yhteyksiä simuloiduissa asetelmissa. Aiempaa tutkimusta vahvistaen havaitsin, että menetelmät soveltuvat myös tosimaailman datan kanssa käytettäväksi.Description
Supervisor
Rousu, JuhoThesis advisor
Uurtio, ViiviKeywords
CCA, KCCA, gradKCCA, (S)CCA-HSIC, kernelized variant