基于矩阵的AdaBoost多视角学习

作     者：洪思思 曹辰捷 王喆 李冬冬 Hong Sisi;Cao Chenjie;Wang Zhe;Li Dongdong

作者机构：华东理工大学信息科学与工程学院上海200237 江苏省计算机信息处理技术重点实验室苏州大学苏州215006 

出 版 物：《南京大学学报（自然科学版）》 (Journal of Nanjing University（Natural Science）)

年 卷 期：2018年第54卷第6期

页      面：1152-1160页

核心收录：

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61672227,61806078) 上海市教育发展基金会和上海市教育委员会“曙光计划” 

主　　题：多视角 集成学习 AdaBoost 矩阵分类器 正则化 

摘      要：以往基于矩阵的多视角分类(MultiV-MHKS)是从矩阵的单视角模式Ho-Kashyap(MatMHKS)发展而来的,尽管有些不好的视角可能会拉低分类器的总体表现,但它仍将所有视角都默认为相同的.为保证样本视角的有效性和多样性,提出一种名为AdaMultiV-MHKS的新方法,它充分利用了经典的集成学习方法AdaBoost的优势,实现了动态过滤和视角权重计算.所提的多视角框架不受限于任何特殊方法,可以应用于大多数基于矩阵的分类器.该方法加入了来自Alternative Robust Local Embedding(ARLE)的正则化项Rgl,用来增强样本之间的结构信息.集成工作和正则化使得不同视角的附加信息更具竞争力,不仅增强了视角的多样性而且改进了最终的分类结果.在UCI数据集和USTC-NVIE人脸图像数据集,尤其是液体数据集上的实验结果证明了所提方法的有效性.