Generalized multiview margin distribution learning with margin consistency

doi:10.1016/j.eswa.2026.133109

Generalized multiview margin distribution learning with margin consistency

2026-09-29

0

PRE

AI

DOI：10.1016/j.eswa.2026.133109

原文链接

原文求助

摘要

En 中文

随着边界分布理论的改进与发展，近年来提出了许多边界分布方法，展现出良好的性能。其中，多视图大边界分布机（MVLDM）是首次尝试解决多视图学习中的边界分布优化问题。然而，MVLDM是一种双视图方法，不适用于广义多视图场景，且缺乏对视图内部和视图间边界分布的有效处理。为解决这些问题，本文提出了一种广义多视图边界分布框架，并在实践中提出了两种快速方法GMVMDM-S和GMVMDM-G。我们构建了四个多视图边界分布模块，以联合优化所有视图内的边界均值和方差，并从全局边界流形和样本边界误差层面校准视图间的边界分布。此外，我们采用Rademacher复杂度理论分析所提方法的泛化能力。在基准数据集上的大量实验结果表明了我们所提方法的有效性和优越性。

Keyword:

Multiview learning

Consensus and complementarity information

Margin distribution

Multiview margin manifold

Generalized multiview margin distribution learning with margin consistency

摘要

期刊

机构

引用论文