-
题名基于双重低秩分解的不完整多视图子空间学习
被引量：1
- 1
-
-
作者
徐光生
王士同
-
机构
江南大学人工智能与计算机学院
江南大学江苏省媒体设计与软件技术重点实验室
-
出处
《智能系统学报》
CSCD
北大核心
2022年第6期1084-1092,共9页
-
基金
江苏省自然科学基金项目(BK20191331)
-
文摘
多视图数据在现实世界中应用广泛,各种视角和不同的传感器有助于更好的数据表示,然而,来自不同视图的数据具有较大的差异,尤其当多视图数据不完整时,可能导致训练效果较差甚至失败。为了解决该问题,本文提出了一个基于双重低秩分解的不完整多视图子空间学习算法。所提算法通过两方面来解决不完整多视图问题:一方面,基于双重低秩分解子空间框架,引入潜在因子来挖掘多视图数据中缺失的信息;另一方面,通过预先学习的多视图数据低维特征获得更好的鲁棒性,并以有监督的方式来指导双重低秩分解。实验结果证明,所提算法较之前的多视图子空间学习算法有明显优势;即使对于不完整的多视图数据,该算法也具有良好的分类性能。
-
关键词
子空间学习
监督学习
不完整多视图
潜在因子
低秩约束
双重低秩分解
特征对齐
低维特征
-
Keywords
subspace learning
supervised learning
incomplete multi-view
latent factors
low-rank constraint
dual lowrank decompositions
feature alignment
low-dimensional feature
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
