多视图学习相关论文
以往的多模态方面级情感分析方法只利用预训练模型的一般文本和图片表示,对方面和观点词相关性的识别不敏感,且不能动态获取图片信息......
针对基于张量的多视图子空间聚类算法不能很好地保持样本之间的流形几何结构和多视图之间相似性的缺点,提出了一种结构保持的t-SVD......
目的 为更加充分地利用弥漫性大B细胞淋巴瘤患者的电子病历数据,挖掘其内部的区别与联系,以提高疾病预后模型性能,为进一步的临床治疗......
期刊
单标记学习和多标记学习可以为一个具体实例分配一个或多个与之相关的标记。这两种学习范式都可以指出哪些标记可以描述实例,然而......
随着互联网的迅猛发展,金融业不再是传统的产业形态,而是发展了众多以信息技术为依托的新型金融产品和服务,如移动支付、P2P网络借......
肺动脉栓塞(PE)是指各种栓子阻塞肺动脉或其分支为发病原因的一组疾病或临床综合征的总称,其危害性仅次于心肌梗死和卒中。肺动脉栓......
地震是一种对人类社会危害极大的自然灾害。地震的孕育是一个极其复杂的过程,目前对于地震的研究仍处于初步探索阶段。大量研究表......
药物治疗对于人类的生命健康起着至关重要的作用。而药物研发过程复杂且漫长,需要投入巨大的人力和研发经费,高昂的研发成本最终影......
随着信息获取技术的进步,多视图数据变得无处不在,我们可以轻松地从异构特征空间获得具有多视图表示的数据。多视图聚类旨在利用多......
脑梗死是一种高致残率和死亡率的急性脑血管疾病,伴随着生活水平和平均寿命的增长,患病人数呈爆炸性增长趋势。由于缺乏通用且有效......
多视图数据通常定义为由不同表示组成的综合型表示数据。多视图数据处理过程中的两个关键因素分别是一致性特性和互补性特性,基于......
随着数据采集技术的发展,获取数据的方式越来越多样化,所得到数据通常具有多个视图,从而形成多视图数据。如何高效利用多视图数据......
从不同来源、结构或角度描述同一对象的数据称为多视图数据,其往往具有不同的特征表达、结构或维度,且视图间存在相关性、一致性和......
构音障碍是指发音障碍人群由于对构音器官的控制失常,造成发音含糊、缓慢的情况。近年来,自动语音识别(Automatic Speech Recogniti......
多视图模型由于充分利用了多个视图的信息,在机器学习的众多任务中都获得了良好的表现。越来越多的研究者开始聚焦于多视图学习。......
推荐系统通过分析用户对物品的历史行为来为用户推荐其可能感兴趣的物品。在实际场景中,用户对物品的历史行为信息往往是十分稀疏......
许多现实问题中的数据可以由多个视图进行描述,多视图学习是研究如何利用数据多视图特性进行建模的机器学习分支。用知识建模现象......
迄今,很多人工智能技术已成功应用于人们日常生活中的各个方面,而分类器作为机器学习中一种典型的研究对象,在人工智能理论研究中......
高斯过程作为一种柔性贝叶斯非参数化模型,近年来已被逐渐应用于机器学习等相关领域中,并取得了良好的效果。然而现存的相关模型,......
随着互联网、物联网、大数据等技术的发展,每天都会有海量的数据生成。如何有效的利用这些海量数据中的信息,是目前所面临的科学问......
命名实体识别是自然语言处理的一项基础任务,其目的是识别文本数据中人名、地名、机构名等类型的实体。命名实体识别效果对后续的......
针对高光谱图像分类已标记样本稀缺的问题,研究如何高效利用多视图选取更高质量的未标记样本。首先采用不同方向、尺度的3D-Gabor滤......
针对高维数据冗余性、噪声干扰等问题对多视图子空间聚类性能的影响,提出一种多核低冗余表示学习的稳健多视图子空间聚类方法。首......
传统多视图学习通常假设样本在每个视图都是完整的,但是由于数据难以获取、设备故障、遮挡等因素,这一假设并不总能成立,而传统的......
有效地处理多视图数据成为了双聚类算法的发展趋势。现有多视图双聚类算法致力于寻找更有效的降维、填充缺失值的方法和整合多源数......
随着信息时代的来临,电子文本信息迅速膨胀,如何有效地组织和管理这些信息,并准确、全面、快速地将用户所需要的信息从文本信息系......
互联网技术的发展,使得网络上传的图像数量愈来愈多。这些图像表达了多方面的信息:媒体新闻报道、个人状态分享、用户情感宣泄等,其......
现在网络极大地改变了人们表达自己和与他人互动的方式,已经成为最主要的信息检索方式。正因如此,向HTML页面或其他网络文件添加信息......
多视图的学习在最近十几年引起了众多研究人员的极大兴趣和关注。而传统的模式识别和机器学习的方法多是集中在单视图上进行的。这......
半监督学习是机器学习中一个重要的研究领域。半监督学习通过使用少量标记数据并辅助以大量未标记数据进行学习,在尽可能减少人工......
深度高斯过程(deep Gaussian process,DGP)是一种流行的概率建模方法,它具有强大的功能,适用于函数近似和不确定性估计,能广泛应用......
随着现代社会信息及多媒体技术的发展,促使当今社会所产生的数据量极速增长,其中大量的数据能够以多种不同的视图方式进行描述。比......
随着科技的不断进步以及计算机性能的不断提升,人工智能得到前所未有的发展,并渗透到生活的方方面面。每天人们的衣食住行,社会各......
近年来,从多个数据源得到的多种形态的数据呈现指数级爆炸型增长,如何有效提取隐藏在繁杂数据表象下数据内在性质及规律是机器学习......
随着信息采集技术的发展,人们获得的数据往往来自不同的领域,具有不同的特征,形成了高维的多视图数据。由于多个视图间的相关性,多......
随着互联网的不断发展,数据的来源和收集方式变得多样化、复杂化,同一数据对象经常会从多种来源获取或者具有多种不同的特征表现形......
数据采集越来越呈现出多源异构特性,在越来越多实际问题中存在着大量对应着多组数据源的样本,即多视图数据。特别是在医疗领域,医......
近年来,数据表征变得越来越多样化,尤其在模式识别领域,相同对象可以通过不同高维特征空间中的各种特征向量来进行表征。典型相关......
高斯过程是一种功能强大的贝叶斯非参数模型,它既可以用于分类任务,也可以用于回归任务,在许多领域中都具有广泛的应用。而基于高......
随着互联网、生物科技和医药化学等领域的蓬勃发展,每天都能获得海量的各种数据。在很多实际的研究问题中,如推荐系统、图像视频等......
近年来,随着拍照设备的普及和互联网技术的飞速发展,网络中每天产生数以亿计的图像信息并且传播迅速。海量的图像所包含的信息冗杂......
随着用不同特征集或不同视图进行描述的数据大量涌现,多视图子空间聚类在人工智能领域引起广泛的关注。近几年,大量利用多视图数据......
多视图学习包含两个主要假设,即多视图数据中的一致性和互补性,一致性假设指多视图数据中各视图数据间存在被共享的一致性信息,互......