科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的多视图子空间学习方法很难找到一个有效的子空间维数并同时处理异常值，提出一种基于双向稀疏的多视图子空间学习方法。将通过矩阵分解得到的低维表示分解成两个矩阵，在第一个矩阵中加入lp,2行稀疏范数来捕获相关数据之间没有冗余特征的良好共享特征，即数据的二次特征提取；为了同时识别离群点并减少其影响，在第二个矩阵中加入lp,2列稀疏矩阵。进一步提出一种有效的求解算法，并分析了该算法的收敛性以及计算复杂度。在多个数据集上仿真结果表明，与传统的多视图无监督特征提取方法相比，该方法能够更加有效地解决子空间维数问题，并且对异常值情形具有较强的鲁棒性。
-
单位湖北广播电视大学
