通过具有灵活耦合的联合分解探索多模态数据融合
信息论
2016-08-24 v3 math.IT
摘要
提出了一个贝叶斯框架，用于定义多数据集联合张量分解的灵活耦合模型。在此框架下，数据融合问题的一个自然表述是将其转化为联合最大后验(MAP)估计量。给出了联合后验分布的数据驱动场景，包括一般高斯先验和非高斯耦合先验。我们提出并讨论了用于获得联合MAP估计量的算法的实现问题。我们还展示了如何调整该框架以应对大数据集联合分解的问题。在带有线性变换的条件高斯耦合情况下，我们利用贝叶斯克拉美罗界给出了数据融合性能的理论界限。报道了混合耦合模型的仿真，范围从简单加性高斯模型、具有正变量的Gamma型模型，到由于测量设备分辨率不同而导致固有大小不同的数据集的耦合。
引用
@article{arxiv.1505.07717,
title = {Exploring multimodal data fusion through joint decompositions with flexible couplings},
author = {Rodrigo Cabral Farias and Jeremy Emile Cohen and Pierre Comon},
journal= {arXiv preprint arXiv:1505.07717},
year = {2016}
}
备注
15 pages, 7 figures, revised version