多视图低秩回归的闭式解
机器学习
2016-10-18 v1
摘要
现实生活中的数据通常包含来自不同渠道的信息。例如，在计算机视觉中，我们可以使用不同的图像特征来描述一幅图像，如像素强度、颜色、HOG、GIST特征、SIFT特征等。同一对象的这些不同方面通常被称为多视图（或多模态）数据。低秩回归模型已被证明是一种通过探索现实数据的低秩结构而有效的学习机制。但以往的低秩回归模型仅适用于单视图数据。在本文中，我们通过对多视图回归模型施加低秩约束，提出了一种多视图低秩回归模型。最重要的是，我们为多视图低秩回归模型提供了一个闭式解。在4个多视图数据集上的大量实验表明，多视图低秩回归模型优于单视图回归模型，并揭示了多视图低秩结构非常有用。
引用
@article{arxiv.1610.04668,
title = {A Closed Form Solution to Multi-View Low-Rank Regression},
author = {Shuai Zheng and Xiao Cai and Chris Ding and Feiping Nie and Heng Huang},
journal= {arXiv preprint arXiv:1610.04668},
year = {2016}
}
备注
Twenty-Ninth AAAI Conference on Artificial Intelligence, AAAI, 2015