面向数据融合与迁移学习的星型图多模态匹配成分分析
机器学习
2022-10-07 v1 数值分析
数值分析
摘要
先前的匹配成分分析（MCA）技术将两个数据域映射到公共域，以用于数据融合与迁移学习场景中的进一步处理。在本文中，我们将这些技术推广到星型图多模态（SGM）情形，其中一个特定数据域通过目标函数与 个其他数据域相连。我们以闭式给出所得迹最大化问题的一个特定可行点，以及其计算与迭代改进的算法，从而得到我们的主要结果——SGM 映射。我们还提供了数值示例，表明在可用训练点较少时，SGM 能够比 MCA 在其映射中编码更多信息。此外，我们进一步发展了 MCA 协方差约束的推广，消除了先前的可行性条件，并允许所规定的协方差矩阵的秩取更大值。
引用
@article{arxiv.2210.02590,
title = {Star-Graph Multimodal Matching Component Analysis for Data Fusion and Transfer Learning},
author = {Nick Lorenzo},
journal= {arXiv preprint arXiv:2210.02590},
year = {2022}
}