基于贝叶斯组因子分析器混合中因子共享的弱多视图信号分类
机器学习
2016-06-08 v2
摘要
我们提出了一种针对弱信号数据的新型分类模型，其构建于近期用于贝叶斯多视图学习的组因子分析(Group Factor Analysis, GFA)模型之上。我们不假设所有数据来自单一 GFA 模型，而是允许潜在簇，每个簇具有不同的 GFA 模型并产生不同的类别分布。我们表明，通过共享因子跨簇共享信息，可显著提高分类准确度；共享因子本质上形成了一个灵活的噪声模型，该模型解释了与分类无关的数据部分。此设置的动机来源于单次 trial 功能脑成像数据，其具有非常低的信噪比和天然的多视图设置，以不同传感器、测量模态（EEG、MEG、fMRI）以及可能的辅助信息作为视图。我们在 MEG 数据集上演示了我们的模型。
引用
@article{arxiv.1512.05610,
title = {Classification of weak multi-view signals by sharing factors in a mixture of Bayesian group factor analyzers},
author = {Sami Remes and Tommi Mononen and Samuel Kaski},
journal= {arXiv preprint arXiv:1512.05610},
year = {2016}
}
备注
Presented at MLINI-2015 workshop, 2015 (arXiv:1605.04435)