舉個(gè)例子：

1.做飯時(shí)用刀切菜和用搟面杖擊打肉。

2.手機(jī)上加個(gè)味覺(jué)傳感器，識(shí)別兩種液體，一種是花生油一種是啤酒，

通過(guò)RGB只能識(shí)別出這兩種都是液體， 而通過(guò)味覺(jué)傳感器才能進(jìn)一步確定具體的類(lèi)別。

所以，多個(gè)模態(tài)的融合一定是利用他們的互補(bǔ)信息，進(jìn)而才能提高識(shí)別率。

互補(bǔ)性在數(shù)據(jù)上的表現(xiàn)，考慮兩列特征，X和Y ， 那么X和Y的相關(guān)系數(shù)的絕對(duì)值接近于0，才能說(shuō)明這兩列特征是互補(bǔ)的，即這兩列特征即不是同向變化也不是反向變化，他們之間并不呈現(xiàn)出正相關(guān)和負(fù)相關(guān)的狀態(tài)。

即只通過(guò)X特征只能識(shí)別出一部分樣本的類(lèi)別，比如X特征在在類(lèi)別1,2,3上，每類(lèi)的數(shù)值類(lèi)內(nèi)分布相近，類(lèi)間分布相遠(yuǎn)。而在類(lèi)別4，5上的分布是相近的，也就是說(shuō)X特征在類(lèi)別4，5的樣本上并不能有效區(qū)分。但是特征Y在類(lèi)別1，2，3的樣本上不能有效區(qū)分，在類(lèi)別4，5的樣本上可以進(jìn)行有效區(qū)分。那么這樣的X和Y進(jìn)行融合才有意義。

目前所遇到的問(wèn)題是，相關(guān)系數(shù)是兩個(gè)變量的分析，復(fù)相關(guān)系數(shù)是一個(gè)變量和一組變量的分析，目前沒(méi)有找到關(guān)于一組特征與另一組特征的相關(guān)分析。

CCA典型特征分析的思想是將兩組特征通過(guò)線性組合分別降至一維，通過(guò)對(duì)一維的相關(guān)系數(shù)的最大化，求得這兩個(gè)相關(guān)性最大的變量。也就是說(shuō)它求的是兩個(gè)變量。而且是降至一維。

最重要的一點(diǎn)：它求得的是相關(guān)性大的，而不是接近于0的。