多视角子空间学习研究进展

摘要

大规模多源异构数据的产生为多视角学习算法提出了新的挑战.文中系统回顾了三类基于子空间学习的多视角聚类算法:最大相关子空间、低维子空间潜入和隐子空间,归纳了不同多视角学习算法的优缺点和适用范围,并在两个真实的多视角数据集上执行了大量对比实验,结果显示:用鲁棒的关联矩阵来刻画具有非线性、复杂结构关系的数据,有助于带来算法性能的显著提升;最后,总结了多视角学习领域出现的问题并展望了未来可以深入研究的方向.