基于一致性先验知识的多视图约束传播
计算机视觉与模式识别
2016-09-22 v1
摘要
在许多应用中，成对约束是一种易于获取的弱监督信息。约束传播已被证明是利用此类侧信息的成功方法。近年来，一些多视图约束传播方法已被提出。然而，如何合理融合不同视图的问题仍未得到解决。本文提出了一种称为一致性先验约束传播（CPCP）的方法，该方法能够提供每个数据实例及其邻域鲁棒性的先验知识。利用从每个视图的一致性信息中生成的鲁棒性，我们构建了一个统一的亲和矩阵作为传播结果。具体而言，我们在数据实例层面而非视图层面融合不同视图的亲和性。本文还引入了一种处理正负约束之间不平衡的方法。所提出的方法已在两个公开可用的多视图数据集的聚类任务中进行了测试，展示了优越的性能。
引用
@article{arxiv.1609.06456,
title = {Multi-View Constraint Propagation with Consensus Prior Knowledge},
author = {Yaoyi Li and Hongtao Lu},
journal= {arXiv preprint arXiv:1609.06456},
year = {2016}
}