基于融合表征的多视图学习方法

第1章 多视图学习概述 1.1 研究背景 1.2 基础模型 1.3 方法描述 1.3.1 基于子空间学习的多视图学习 1.3.2 基于协同训练的多视图学习 1.3.3 基于多核学习的多视图学习 1.3.4 基于图模型的多视图学习 1.3.5 基于特定任务的多视图学习 1.4 应用挑战 1.5 本章小结 第2章 基于多视图相关性与融合表征效果的关联性分析方法 2.1 研究背景 2.2 基础模型 2.2.1 信息系数 2.2.2 典型相关性分析 2.3 方法描述 2.4 应用案例 2.4.1 方案设计 2.4.2 数据集 2.4.3 运行设置与环境 2.4.4 评测标准 2.4.5 视图相关性计算结果与分析 2.4.6 基于融合表征的分类结果与分析 2.4.7 相关性与融合效果的关联性分析 2.5 本章小结 第3章 基于双反馈机制的多视图相关性增强表征学习方法 3.1 研究背景 3.2 基础模型 3.2.1 卷积神经网络 3.2.2 胶囊网络 3.2.3 深度广义相关性分析 3.3 方法描述 3.3.1 单视图表征学习 3.3.2 视图内判别性特征学习 3.3.3 视图间融合表征学习 3.4 应用案例 3.4.1 方案设计 3.4.2 数据集 3.4.3 运行设置与环境 3.4.4 评测标准 3.4.5 基准方法 3.4.6 分类任务结果与分析 3.4.7 聚类任务结果与分析 3.4.8 模型超参数可视化 3.5 本章小结 第4章 基于多视图深层特征增强的隐空间融合表征方法 4.1 研究背景 4.2 基础模型 4.3 方法描述