基于典型相关分析的多视图降维算法综述

• 作者: 刘鸿 张恩豪 朱玉莲 陈晓红
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多视图学习 典型相关分析 监督学习 广义特征值 降维
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 热点与综述
• 页码范围: 1-10
• 页数: 10页
• 分类号: TP18
• 字数: 8923字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053147

摘要

随着数据采集技术的发展,人们获取数据的途径呈多样化,所得到的数据往往具有多个视图,从而形成多视图数据.利用多视图数据不同的信息特征,设计相应的多视图学习策略以提高分类器的性能是多视图学习的研究目标.为更好地利用多视图数据,促进降维算法在实际中的应用,对多视图降维算法进行研究.分析多视图数据和多视图学习,在典型相关分析(CCA)的基础上追溯多视图CCA和核CCA,介绍多视图降维算法从两个视图到多个视图以及从线性到非线性的演化过程,总结各种融入判别信息和近邻信息的多视图降维算法,以更好地学习多视图降维算法.在此基础上,对比分析多视图降维算法的特点及存在的问题,并对未来的研究方向进行展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱玉莲	南京航空航天大学信息化技术中心	13	76	4.0	8.0
2	陈晓红	南京航空航天大学理学院	23	74	5.0	8.0
3	刘鸿	南京航空航天大学理学院	9	39	4.0	6.0
4	张恩豪	南京航空航天大学理学院	3	0	0.0	0.0