科研之友
微信
新浪微博
Facebook
分享链接
摘要
多视图学习通常基于两个重要原则:一致性原则和互补性原则。视图的一致性源自所有视图间的共享信息;而视图的互补性源自不同视图的特有信息。然而,现有多视图学习算法通常只关注其中的一种,以致得到的模型性能非最优。为此,提出一种新的多视图特征提取算法框架,称为多重结构化稀疏投影(MSSP),其能同时提取视图的公共和特有信息。MSSP的目标函数包含两个部分:融合投影的判别项和联合投影矩阵的结构化稀疏正则化项。通过以上建模方式,不同视图的一致和互补信息同时得到了融合利用。此外,给出所建模型基于在Stiefel流形上的梯度下降的求解算法,获得局部最优解,并分析推测了模型参数随投影维数的变化趋势。相关对比实验验证了MSSP的建模有效性和参数的变化趋势。
- 单位
