基于结构化稀疏投影的多视图特征提取框架

摘要：

多视图学习通常基于两个重要原则:一致性原则和互补性原则.视图的一致性源自所有视图间的共享信息;而视图的互补性源自不同视图的特有信息.然而,现有多视图学习算法通常只关注其中的一种,以致得到的模型性能非最优.为此,提出一种新的多视图特征提取算法框架,称为多重结构化稀疏投影(MSSP),其能同时提取视图的公共和特有信息.MSSP的目标函数包含两个部分:融合投影的判别项和联合投影矩阵的结构化稀疏正则化项.通过以上建模方式,不同视图的一致和互补信息同时得到了融合利用.此外,给出所建模型基于在Stiefel流形上的梯度下降的求解算法,获得局部最优解,并分析推测了模型参数随投影维数的变化趋势.相关对比实验验证了MSSP的建模有效性和参数的变化趋势.

关键词：一致性、互补性、多视图学习、特征提取、结构稀疏、Stiefel流形

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61702273;江苏省自然科学基金BK20170956

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6-11