基于矩阵的AdaBoost多视角学习

作者：洪思思; 曹辰捷; 王喆^*; 李冬冬

来源：南京大学学报(自然科学), 2018, 54(06): 1152-1160.

DOI：10.13232/j.cnki.jnju.2018.06.011

• 多视角
• 集成学习
• AdaBoost
• 矩阵分类器
• 正则化

以往基于矩阵的多视角分类(MultiV-MHKS)是从矩阵的单视角模式Ho-Kashyap(MatMHKS)发展而来的,尽管有些不好的视角可能会拉低分类器的总体表现,但它仍将所有视角都默认为相同的.为保证样本视角的有效性和多样性,提出一种名为AdaMultiV-MHKS的新方法,它充分利用了经典的集成学习方法 AdaBoost的优势,实现了动态过滤和视角权重计算.所提的多视角框架不受限于任何特殊方法,可以应用于大多数基于矩阵的分类器.该方法加入了来自Alternative Robust Local Embedding(ARLE)的正则化项Rgl,用来增强样本之间的结构信息.集成工作和正则化使得不同视角的附加信息更具竞争力,不仅增强了视角的多样性而且改进了最终的分类结果.在UCI数据集和USTC-NVIE人脸图像数据集,尤其是液体数据集上的实验结果证明了所提方法的有效性.

• 单位
  苏州大学; 华东理工大学