通过控制视图专用投票器的多样性与准确性实现多视图提升
机器学习
2018-08-28 v2 机器学习
摘要
在本文中，我们提出一种基于提升的多视图学习算法，称为 PB-MVBoost，其迭代地学习 i) 捕获视图专用信息的视图专用投票器上的权重；以及 ii) 通过优化 PAC-Bayes 多视图 C-界而来的视图上的权重，该界考虑了视图专用分类器的准确性和视图间的多样性。我们遵循 PAC-Bayes 理论推导了该策略的泛化界，该理论是处理表示为一组投票器上加权组合的模型的合适工具。在三个公开可用数据集上的不同实验显示了所提方法相对于最先进模型的效率。
引用
@article{arxiv.1808.05784,
title = {Multiview Boosting by Controlling the Diversity and the Accuracy of View-specific Voters},
author = {Anil Goyal and Emilie Morvant and Pascal Germain and Massih-Reza Amini},
journal= {arXiv preprint arXiv:1808.05784},
year = {2018}
}