Sliding Window Informative Canonical Correlation Analysis

Prasadan, Arvind

统计学 > 机器学习

arXiv:2507.17921 (stat)

[提交于 2025年7月23日 ]

标题：滑动窗口信息典型相关分析

标题： Sliding Window Informative Canonical Correlation Analysis

Authors:Arvind Prasadan

摘要：典型相关分析（CCA）是一种在两个数据集之间寻找相关特征集的技术。在本文中，我们提出了一种CCA的新型扩展，适用于在线流数据设置：滑动窗口信息典型相关分析（SWICCA）。我们的方法使用流主成分分析（PCA）算法作为后端，并利用这些输出与一个小的滑动窗口样本结合，以实时估计CCA组件。我们提出了并描述了我们的算法，提供了数值模拟来表征其性能，并提供了理论性能保证。 SWICCA方法适用于极高维度，并且我们提供了一个真实数据示例来展示这一能力。

摘要： Canonical correlation analysis (CCA) is a technique for finding correlated sets of features between two datasets. In this paper, we propose a novel extension of CCA to the online, streaming data setting: Sliding Window Informative Canonical Correlation Analysis (SWICCA). Our method uses a streaming principal component analysis (PCA) algorithm as a backend and uses these outputs combined with a small sliding window of samples to estimate the CCA components in real time. We motivate and describe our algorithm, provide numerical simulations to characterize its performance, and provide a theoretical performance guarantee. The SWICCA method is applicable and scalable to extremely high dimensions, and we provide a real-data example that demonstrates this capability.

评论：	22页，已提交
主题：	机器学习 (stat.ML) ; 机器学习 (cs.LG); 图像与视频处理 (eess.IV); 统计理论 (math.ST); 计算 (stat.CO); 方法论 (stat.ME)
MSC 类：	62H20, 62H25 (Primary) 62J10, 62L10 (Secondary)
引用方式：	arXiv:2507.17921 [stat.ML]
	(或者 arXiv:2507.17921v1 [stat.ML] 对于此版本)
	https://doi.org/10.48550/arXiv.2507.17921

提交历史

来自： Arvind Prasadan [查看电子邮件]
[v1] 星期三， 2025 年 7 月 23 日 20:35:15 UTC (4,832 KB)

统计学 > 机器学习

标题：滑动窗口信息典型相关分析

标题： Sliding Window Informative Canonical Correlation Analysis

提交历史

获取论文：

参考文献与引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

统计学 > 机器学习

标题： 滑动窗口信息典型相关分析 显示英文标题

标题： Sliding Window Informative Canonical Correlation Analysis

提交历史

获取论文：

参考文献与引用

BibTeX 格式的引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

标题：滑动窗口信息典型相关分析