基于共享子空間學(xué)習(xí)的多視角數(shù)據(jù)分析.pdf

1、信息技術(shù)的迅猛發(fā)展使人們生產(chǎn)與收集的數(shù)字化數(shù)據(jù)越來(lái)越復(fù)雜，除了數(shù)據(jù)的維度越來(lái)越高，表示形式也越來(lái)越多樣化，呈現(xiàn)出多態(tài)性、多源性和多描述性的特點(diǎn)，這些數(shù)據(jù)通常被統(tǒng)一稱(chēng)為多視角數(shù)據(jù)。當(dāng)前大量存在的多視角數(shù)據(jù)，使得傳統(tǒng)的面向單一視角的數(shù)據(jù)分析方法面臨著新的挑戰(zhàn)。開(kāi)展多視角分析方法研究，挖掘出多視角數(shù)據(jù)中潛在的共性信息已成為目前機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)研究方向，具有很好的理論研究意義和應(yīng)用價(jià)值。
　　本文從共享子空間學(xué)習(xí)的角度入手，圍繞多視角數(shù)

2、據(jù)分析中的數(shù)據(jù)結(jié)構(gòu)保持、判別信息的引入以及小樣本等多視角分析方面的問(wèn)題進(jìn)行了深入細(xì)致的研究，取得了一定的研究成果。本文完成的創(chuàng)新性研究成果包括:
　　1.提出了一種局部結(jié)構(gòu)保持的判別多視角分析模型。該模型通過(guò)引入圖約束，使得多視角數(shù)據(jù)在共享子空間與原始特征空間的局部幾何結(jié)構(gòu)關(guān)系得以有效保持;此外，通過(guò)在共享子空間中引入判別信息，有效地改善了該模型的泛化能力。在多視角數(shù)據(jù)檢索與分類(lèi)方面的實(shí)驗(yàn)驗(yàn)證了該模型的有效性;
　　2.針對(duì)

3、多視角分析中的小樣本問(wèn)題，提出了一種基于‘三因子分解’(Tri-factorization)的多視角共享子空間分析方法，并進(jìn)一步把該方法歸結(jié)為廣義奇異值分解(Generalized Singular Value Decomposition，GSVD)問(wèn)題。此外，給出了對(duì)于‘外點(diǎn)’（Out-of-samples）的在線擴(kuò)展方法，有效地降低了在線學(xué)習(xí)的復(fù)雜度;
　　3.發(fā)展了傳統(tǒng)的典型相關(guān)分析方法，提出了一種更具普適性的廣義典型相關(guān)分