潜在多视图半监督分类
机器学习
2019-09-10 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
为从多个视图中挖掘潜在的互补信息，本文提出一种新颖的潜在多视图半监督分类（LMSSC）方法。与大多数利用原始特征构建图的现有多视图半监督分类方法不同，我们的方法寻求一种潜在的潜在表示，并基于学习到的潜在表示进行图学习和标签传播。借助多视图的互补性，该潜在表示比任一单独视图都能更全面地刻画数据，从而使图也更加准确和鲁棒。最后，LMSSC 将潜在表示学习、图构建和标签传播集成到一个统一框架中，使各子任务得以优化。在真实世界基准数据集上的实验结果验证了我们所提方法的有效性。
引用
@article{arxiv.1909.03712,
title = {Latent Multi-view Semi-Supervised Classification},
author = {Xiaofan Bo and Zhao Kang and Zhitong Zhao and Yuanzhang Su and Wenyu Chen},
journal= {arXiv preprint arXiv:1909.03712},
year = {2019}
}
备注
ACML 2019