主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
杨旭,朱振峰,徐美香,张幸幸.多视角数据缺失补全.软件学报,2018,29(4):945-956
多视角数据缺失补全
Missing View Completion for Multi-View Data
投稿时间:2017-04-30  修订日期:2017-06-26
DOI:10.13328/j.cnki.jos.005416
中文关键词:  多视角学习  缺失数据补全  共享子空间学习  视角相容性  跨媒体计算
英文关键词:multi-view-learning  missing data completion  shared subspace learning  view compability  cross-media computing
基金项目:国家自然科学基金(61572068,61532005);中央高校基本科研业务费专项基金(2015JBM039)
作者单位E-mail
杨旭 北京交通大学 计算机科学与信息技术学院, 北京 100044
现代信息科学与网络技术北京市重点实验室(北京交通大学), 北京 100044 
 
朱振峰 北京交通大学 计算机科学与信息技术学院, 北京 100044
现代信息科学与网络技术北京市重点实验室(北京交通大学), 北京 100044 
zhfzhu@bjtu.edu.cn 
徐美香 北京交通大学 计算机科学与信息技术学院, 北京 100044
现代信息科学与网络技术北京市重点实验室(北京交通大学), 北京 100044 
 
张幸幸 北京交通大学 计算机科学与信息技术学院, 北京 100044
现代信息科学与网络技术北京市重点实验室(北京交通大学), 北京 100044 
 
摘要点击次数: 1037
全文下载次数: 1017
中文摘要:
      随着信息技术的快速发展,现实生活中不断涌现出大量的多视角数据,由此应运而生的多视角学习已成为机器学习领域的研究热点.然而,在数据获取过程中,由于收集的难度、高额成本或设备故障等问题,往往导致收集到的多视角数据出现视角缺失,这使得一些多视角学习方法法有效进行.为此,提出一种基于视角相容性的多视角数据缺失补全方法.通过监督的共享子空间学习,获得与每类多视角数据相对应的共享子空间,从而建立视角相容性判别模型.与此同时,基于共享子空间重构误差等同分布的假设,提出了针对视角缺失的多视角数据的共享表征获取方法,实现多视角缺失数据的预补全.在此基础上,进一步通过多元线性回归实现缺失视角的精确补全.此外,还把所提出的视角补全方法拓展到解决含有噪声的多视角数据的降噪问题.在UCI、COIL-20以及人工合成数据集上的实验结果验证了所提算法的有效性.
英文摘要:
      With the rapid development of information technology, massive amounts of multi-view data are constantly emerging in people's daily life. To cope with such situation, multi-view learning has received much attention in the field of machine learning to promote the ability of data understanding. However, due to the difficulties such as high cost and equipment failure in multi-view data collection, part or all of observed values from one view can't be available, which prevents some traditional multi-view learning algorithms from working effectively as expected. This paper focuses on the missing view completion for multi-view data and proposes a view compatibility based completion method. For each class of multi-view data, a corresponding shared subspace is built by means of supervised learning. With the multiple shared subspaces, a view compatibility discrimination model is developed. Meanwhile, assuming that the reconstruction error of each of view of multi-view data in the shared subspace takes the independent identical distribution, an approach is put forward to seek the shared representation of multi-view data with missing view. Thus, the preliminary completion of missing view can be performed. In addition, the multiple linear regression technique is implemented to obtain a more accurate completion. Furthermore, the proposed missing view completion method is enhanced to deal with the case of the denoising of noise-polluted multi-view data. The experimental results on some datasets including UCI and Coil-20 have demonstrated the effectiveness of the proposed missing view completion method for multi-view data.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利