多视角中融合：面向 HDLSS 场景的通用学习方法
机器学习
2025-07-09 v1
摘要
高维低样本量（HDLSS）场景在特征维度远大于可用样本数时 presents 诸多挑战。本文提出一种针对 HDLSS 场景的通用学习方法，基于多视角中融合技术。结果表明，即使未提供内在视角，现有的中融合多视角方法在 HDLSS 场景中也能表现良好。提出三种视角构建方法，将高维特征向量划分为较小的子集，每个子集代表不同的视角。广泛的实验验证表明，该方法在不同模型类型和学习任务中的有效性和可 generalization 性均得到确认。我们认为本文的工作为进一步研究多视角中融合学习的通用优势奠定了基础。
引用
@article{arxiv.2507.06026,
title = {Multi-view mid fusion: a universal approach for learning in an HDLSS setting},
author = {Lynn Houthuys},
journal= {arXiv preprint arXiv:2507.06026},
year = {2025}
}