不完整的多视角弱标签学习中的嘈杂特征和不平衡标签
摘要：多视角多标签学习中的多种现代应用，每个样本都具有多视角特征，并且通过共同视图相关联多个标签。当前的方法通常无法直接处理每个样本只观测到一部分特征和标签的情况，并忽略了实际问题中嘈杂视图和不平衡标签的存在。在本文中，我们提出了一种新的方法来克服这些限制。它将不完整的视图和弱标签联合嵌入到自适应权重的低维子空间中，并通过自适应加权Hilbert-Schmidt独立准则（HSIC）来促进嵌入权重矩阵之间的差异以减少冗余。此外，它通过焦点损失自适应学习视图的重要性来检测嘈杂的视图，并减轻标签失衡问题。在四个实际的多视角多标签数据集上的实验结果证明了所提方法的有效性。
作者：Zhiwei Li, Zijian Yang, Lu Sun, Mineichi Kudo, Kego Kimura
论文ID：2201.01079
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-30