基于Universum数据的多视角学习算法

摘要

多视角学习是以不同方法获得的特征集表示的数据中学习的问题,其中双视角学习是一种仅由双视角数据组成的多视角学习。由于多视角学习可能会忽略一些多视角数据的原始信息,这些数据之间存在着内在的联系和不同视角之间的差异。因此,为了解决多视角数据之间存在的问题,我们引入了既不属于正类又不属于负类的无标签数据Universum数据。本文提出了一种基于Universum数据的多视角学习算法,将Universum数据和多视角学习结合到一个目标模型中,其中Universum数据被认为是该模型的先验知识。为了解决提出的算法模型,我们推导了该算法模型的对偶问题并得到了预测分类器。最后,通过大量的实验对该方法的性能进行了研究,结果表明,所提算法的性能优于传统的方法。