存在视图不一致情况下的多视图学习
机器学习
2012-06-18 v1 机器学习
摘要
传统的多视图学习方法在存在视图不一致时表现不佳，即当每个视图中的样本由于视图损坏、遮挡或其他噪声过程而不属于同一类别时。本文提出了一种多视图学习方法，使用条件熵准则来检测视图不一致。一旦检测到，过滤掉存在视图不一致的样本，然后标准的多视图学习方法可以成功应用于剩余样本。在合成和音视频数据库上的实验评估表明，检测和过滤视图不一致显著提高了传统多视图学习方法的性能。
引用
@article{arxiv.1206.3242,
title = {Multi-View Learning in the Presence of View Disagreement},
author = {C. Christoudias and Raquel Urtasun and Trevor Darrell},
journal= {arXiv preprint arXiv:1206.3242},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fourth Conference on Uncertainty in Artificial Intelligence (UAI2008)