基于多视图数据的部分共享半监督深度矩阵分解
机器学习
2020-12-03 v1
摘要
由于许多真实世界数据可从多个视图描述，多视图学习已引起相当关注。人们提出了多种方法并成功应用于多视图学习，通常基于矩阵分解模型。近来，该方法被扩展到深度结构以利用多视图数据的层次信息，但视图特定特征与标签信息很少被考虑。为解决这些问题，我们提出一种部分共享半监督深度矩阵分解模型（PSDMF）。通过整合部分共享深度分解结构、图正则化与半监督回归模型，PSDMF 可通过消除不相关信息的影响来学习紧凑且具判别性的表示。此外，我们为 PSDMF 开发了高效的迭代更新算法。在五个基准数据集上的大量实验表明，PSDMF 可比最先进（SOTA）的多视图学习方法取得更优性能。MATLAB 源代码可在 https://github.com/libertyhhn/PartiallySharedDMF 获取。
引用
@article{arxiv.2012.00993,
title = {Partially Shared Semi-supervised Deep Matrix Factorization with Multi-view Data},
author = {Haonan Huang and Naiyao Liang and Wei Yan and Zuyuan Yang and Weijun Sun},
journal= {arXiv preprint arXiv:2012.00993},
year = {2020}
}