l*********
Lv.3 学术文献阅读达人
2020/08/14 23:12
多视图学习
在许多情况下，可以提供多个视图来描述数据。与选择一个视图或简单地将它们串联起来进行学习相比，通过考虑不同视图的多样性的多视图学习方法具有更好的性能。本文回顾了当前多视图学习的几种趋势，并将这些算法分为三类：协同训练、多核学习和子空间学习。通过对这些不同的视图整合方法的分析，发现它们的成功主要依赖于一致性原则或互补原则。由于不同视图的性质在很大程度上影响了多视图学习的效果，因此有必要更加重视视图的构造、分析和评价方法。此外，开发一个包含不同多视图学习方法优点的通用多视图学习框架是很有价值的。
领书计划详情
