基于多域训练的半监督单域与多域回归
机器学习
2012-03-21 v1 机器学习
摘要
我们解决了基于每个域的不同且未配对的标记训练集以及来自所有域的大规模未标记训练集的多域和单域回归问题。我们将这些问题表述为具有部分统计关系知识的贝叶斯估计。我们提出了一种最坏情况设计策略并研究了所得估计量。我们的分析明确考虑了标记集的基数，并包括了特殊情况，其中一个标记集非常大，或者另一个极端情况下完全缺失。我们在从面部图像中去除表情以及音视频单词识别的背景下展示了我们的估计量，并与几种最近提出的多模态学习算法进行了比较。
引用
@article{arxiv.1203.4422,
title = {Semi-Supervised Single- and Multi-Domain Regression with Multi-Domain Training},
author = {Tomer Michaeli and Yonina C. Eldar and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1203.4422},
year = {2012}
}
备注
24 pages, 6 figures, 2 tables