S-multi-SNE：多视图数据的半监督分类与可视化
机器学习
2021-11-08 v1 人机交互
机器学习
摘要
多个领域的研究正发布越来越多的多视图数据。这类数据对应多个数据视图，每个视图代表同一组样本的不同方面。我们近期提出了 multi-SNE，即 t-SNE 的扩展，可生成多视图数据的单一可视化。multi-SNE 方法通过对不同数据视图迭代更新，产生样本的低维嵌入。在此，我们进一步将 multi-SNE 扩展为半监督方法，即将标注信息视为额外数据视图来对未标注样本进行分类。我们在具有不同挑战的多个多视图数据集上应用这两种方法，深入考察 multi-SNE 及其扩展 S-multi-SNE 的性能、局限性与优势。我们表明，通过纳入标注信息，样本的投影得到显著改善，并伴随强劲的分类性能。
引用
@article{arxiv.2111.03519,
title = {S-multi-SNE: Semi-Supervised Classification and Visualisation of Multi-View Data},
author = {Theodoulos Rodosthenous and Vahid Shahrezaei and Marina Evangelou},
journal= {arXiv preprint arXiv:2111.03519},
year = {2021}
}
备注
13 pages; 3 figures; 3 tables