典型文献
基于双重低秩分解的不完整多视图子空间学习
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
徐光生;王士同
作者机构：
江南大学人工智能与计算机学院,江苏无锡214122;江南大学江苏省媒体设计与软件技术重点实验室,江苏无锡214122
文献出处：
引用格式：
[1]徐光生;王士同-.基于双重低秩分解的不完整多视图子空间学习)[J].智能系统学报,2022(06):1084-1092
A类：
双重低秩分解,不完整多视图
B类：
子空间学习,多视图数据,现实世界,数据表示,训练效果,决不,空间框架,潜在因子,先学,低维特征,有监督,较之,分类性能,监督学习,低秩约束,特征对齐
AB值：
0.153769
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
