Multi-view Learning Via Using Statistical Invariant

doi:10.1016/j.patcog.2026.114180

Multi-view Learning Via Using Statistical Invariant

2026-09-29

0

PRE

AI

DOI：10.1016/j.patcog.2026.114180

原文链接

原文求助

摘要

En 中文

多视图学习已被广泛应用于现实场景。然而，大多数现有的多视图方法仅依赖强收敛模式来实现共识和互补，未能充分利用不同视图中嵌入的丰富信息。本文提出了一种新颖的学习框架，在希尔伯特空间中结合强收敛模式和弱收敛模式，即基于统计不变量的多视图学习（MvLUSI）。强收敛模式从可接受函数集中学习具有最小二乘概率输出的视图学习器，而弱收敛模式通过构建基于知识的谓词，在弱收敛模式下利用其他视图的相应统计不变量实现共识和互补。此外，MvLUSI专门设计了一个视图谓词选择算法，用于识别有益的谓词集以获取适当的知识。在UCI、Hd和Corel数据集上的广泛实验证明了所提出方法的优势。

Keyword:

The weak mode of convergence

The strong mode of convergence

Multi-view learning

Predicates

Statistical invariant

Support vector machine

Multi-view Learning Via Using Statistical Invariant

摘要

期刊

机构

引用论文