跨视图核迁移
机器学习
2022-06-01 v2 机器学习
摘要
我们考虑在数据存在多个视图情况下的核补全问题。在此背景下，某些视图中的数据样本可能完全缺失，导致为每个视图单独计算的核矩阵出现缺失的行与列。我们提出通过跨视图核迁移（Cross-View Kernel Transfer, CVKT）过程来解决核矩阵补全问题，该过程将其他视图的特征进行变换以表示当前所考虑的视图。这些变换通过核对齐到核矩阵的已知部分来学习，从而能够在待补全的核矩阵中发现可泛化的结构。随后可利用其他视图中可用的数据预测其缺失值。我们通过模拟数据、多元数字数据集和手势分类的多视图数据集，以及来自早期黑腹果蝇（Drosophila melanogaster）胚胎发生模式形成研究的真实生物数据集，说明了我们所提方法的优势。
引用
@article{arxiv.1910.05964,
title = {Cross-view kernel transfer},
author = {Riikka Huusari and Cécile Capponi and Paul Villoutreix and Hachem Kadri},
journal= {arXiv preprint arXiv:1910.05964},
year = {2022}
}