×
黄燕泉;袁浩良;Lai、Loi Lei

基于图学习的潜在多视图半监督分类。 （英语） Zbl 1477.68283号

国际小波多分辨率。信息处理。 18，第5号，文章ID 2050039，16 p.（2020）.
本文提出并分析了一种新的处理目标（主要是图像）不同来源多视点数据的方法。这是一个目前在机器学习和模式识别领域蓬勃发展和关注的研究课题。新方法基于图形学习技术。基于迭代极小算法，作者详细介绍了如何应用新技术。严格检查了该算法的收敛性。从常用数据库中选取的三个示例表明，与当前使用的五个其他方法相比，该方法具有优势。这篇文章通过一个适度广泛的参考文献列表得到了加强，这些参考文献大多来自过去十年。
审核人：奥斯卡·布斯托斯（科尔多瓦）

MSC公司：

68T09号 数据分析和大数据的计算方面
62H30型 分类和歧视；聚类分析（统计方面）
62华氏35 多元分析中的图像分析
68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别
68平方英寸10 图像处理的计算方法

关键词：

多视图半监督分类;潜在完整表征;图形学习
PDF格式BibTeX公司 XML格式引用
\textit{Y.Huang}等人，《国际小波多分辨率》。信息处理。18，第5号，文章ID 2050039，16 p.（2020；Zbl 1477.68283）
全文： 内政部

参考文献：

[1] Abney，S.，引导，Proc。第40年。计算语言学协会会议，2002年，第360-367页。
[2] Balcan，M.F.、Blum，A.和Yang，K.，《协同训练与扩展：走向理论与实践的桥梁》，《神经信息处理系统的进展》17（2005）89-96。
[3] Bartels，R.H.和Stewart，G.W.，矩阵方程的解（ax+xb=c），Commun。ACM15（9）（1972）820-826·Zbl 1372.65121号
[4] Blum，A.和Mitchell，T.，将标记和未标记数据与联合训练相结合，Proc。《计算学习理论》第十一卷，1998年，第92-100页。
[5] Cai，X.，Nie，F.，Cai，W.和Huang，H.，通过多模式半监督学习模型进行异构图像特征集成，2013年IEEE国际计算机视觉会议，2013年，第1737-1744页。
[6] Fu，Y.，Hospedales，T.M.，Xiang，T.和Gong，S.，Transductive multi-view zero-shot learning，IEEE Trans。模式分析。马赫。Intell.37（11）（2015）2332-2345。
[7] Guariglia，E.，熵与分形天线，熵18（3）（2016）84。
[8] Guariglia，E.，Harmonic sierpinski垫片和应用，Entropy20（9）（2018）714。
[9] Guariglia，E.，《素数、分形与图像分析》，Entropy21（3）（2019）304·Zbl 1459.26011号
[10] Guido，R.C.，关于离散小波变换的滤波器系数与尺度和小波函数之间的实际关系的注释，应用。数学。Lett.24（7）（2011）1257-1259。
[11] R.C.Guido，Paraconsistent feature engineering[课堂讲稿]，IEEE Signal Process。Mag.36（1）（2019）154-158。
[12] 郭，D.，张，J.，刘，X.，崔，Y.和赵，C.，基于多核学习的多视角谱聚类，2014年第22届国际会议模式识别，2014年，第3774-3779页。
[13] 胡，J.，卢，J.和谭，Y.，共享和个人多视角度量学习，IEEE Trans。模式分析。马赫。国际法院判例汇编40（9）（2018）2281-2288。
[14] Huang，L.，Chao，H.-Y.和Wang，C.-D.，《多视角完整空间聚类》，《模式识别》86（2019）344-353。
[15] Huang，Z.-H.，Li，W.-J.，Wang，J.和Zhang，T.，基于顶层小波子带像素级和特征级融合的人脸识别，Inf.Fusion22（2015）95-104。
[16] 黄，J.，聂，F.和黄，H.，测量聚类数据相似性的新单纯形稀疏学习模型，Proc。第24届国际人工智能大会，2015年，第3569-3575页。
[17] Lee，H.、Battle，A.、Raina，R.和Ng，A.Y.，《高效稀疏编码算法》，Proc。第19届国际会议，《神经信息处理系统》，2006年，第801-808页。
[18] Li，G.，Chang，K.和Hoi，S.C.H.，多视图半监督共识学习，IEEE Trans。知道。数据工程24（11）（2012）2040-2051。
[19] Li，Y.，Yang，M.和Zhang，Z.M.，多视角表征学习的调查，IEEE Trans。知识。数据工程31（10）（2018）1863-1883。
[20] Nie，F.，Li，J.和Li，X.，凸多视图半监督分类，IEEE Trans。图像处理.26（12）（2017）5718-5729·Zbl 1409.94461号
[21] Nie，F.，Tian，L.，Wang，R.和Li，X.，图像分类的多视图半监督学习模型，IEEE Trans。知道。数据工程（2019），https://doi.org/10.109/TKDE.2019.2920985。
[22] Nie，F.，Wang，X.和Huang，H.，用自适应邻域进行聚类和投影聚类，Proc。第20届ACM SIGKDD国际知识发现与数据挖掘大会，2014年，第977-986页。
[23] Nie，F.，Yang，S.，Zhang，R.和Li，X.，通过全局冗余最小化进行自动加权特征选择的一般框架，IEEE Trans。图像处理。28（5）（2019）2428-2438·Zbl 1411.94009号
[24] Nigam，K.和Ghani，R.，《联合培训的有效性和适用性分析》，Proc。第九届国际信息与知识管理大会，2000年，第86-93页。
[25] Qian，Q.，Chen，S.和Zhou，X.，具有交叉视图必须链接和不能链接边信息的多视图分类，Knowl-基于系统54（2013）137-146。
[26] Sindhwani，V.、Niyogi，P.和Belkin，M.，《多视角半监督学习的联合规范化方法》，Proc。ICML多视角学习研讨会，2005年，第74-79页。
[27] Tao，H.，Hou，C.，Nie，F.，Zhu，J.和Yi，D.，通过自适应回归的可伸缩多视图半监督分类，IEEE Trans。图像处理。26（9）（2017）4283-4296·Zbl 1409.94583号
[28] Wang，Z.，Feng，Y.，Qi，T.，Yang，X.和Zhang，J.J.，《人体运动检索的自适应多视图特征选择》，《信号处理》120（2016）691-701。
[29] Wang，M.，Hua，X.，Hong，R.，Tang，J.，Qi，G.和Song，Y.，通过多图学习进行统一视频注释，IEEE Trans。电路系统。视频技术.19（2009）733-746。
[30] Wang，W.和Zhou，Z.-H.，分析联合训练型算法，Proc。第18届欧洲机器学习会议，2007年，第454-465页。
[31] Xu，X.，Li，J.和Li，S.，用于高光谱图像分类的基于强度的多视图主动学习，IEEE Trans。地质科学。远程传感器。56（2）（2018）669-680。
[32] Xu，C.，Tao，D.和Xu，C，《大边缘多视角信息瓶颈》，IEEE Trans。模式分析。马赫。《情报》36（8）（2014）1559-1572。
[33] Xu，C.，Tao，D.和Xu，C..，多视图完整空间学习，IEEE Trans。模式分析。马赫。Intell.37（2015）2531-2544。
[34] Yang，Y.，Song，J.，Huang，Z.，Ma，Z..，Sebe，N.和Hauptmann，A.G.，通过分层回归进行多媒体分析的多特征融合，IEEE Trans。多用途。15（3）（2013）572-581。
[35] Yu，J.，Wang，M.和Tao，D.，用于卡通合成的半监督多视角距离度量学习，IEEE Trans。图像处理。21（11）（2012）4636-4648·Zbl 1373.94472号
[36] Zhang，C.，Fu，H.，Hu，Q.，Cao，X.，Xie，Y.，Tao，D.和Xu，D.，广义潜在多视点子空间聚类，IEEE Trans。模式分析。马赫。《情报》42（1）（2020）86-99。
[37] Zhang，C.，Hu，Q.，Fu，H.，Zhu，P.和Cao，X.，潜在多视点子空间聚类，2017年IEEE计算机视觉与模式识别会议，2017年，第4333-4341页。
[38] Zhang，R.，Nie，F.和Li，X.，标签和边信息无参数相似性的半监督学习，IEEE Trans。神经网络。学习。系统30（2）（2019）405-414。
[39] Zhang，Z.，Zhai，Z.和Li，L.，多视图学习的均匀投影，IEEE Trans。模式分析。马赫。《情报》39（8）（2017）1675-1689。
[40] Zhang，X.，Zhang and X.，Liu，H.and Liu，X.多任务多视图聚类，IEEE Trans。知道。数据工程28（12）（2016）3324-3338。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。