半监督在线多视角学习算法( S S O P M V SSOPMV SSOPMV)
主要内容:
对于传统学习机器无法对实时产生的样本进行预测,且无法对大规模数据集进行预测。本文提出 S S O P M V SSOPMV SSOPMV模型来解决上述问题。
创新:
- 基于 O P M V OPMV OPMV无法有效处理半监督数据集进行扩展,实现半监督在线学习。
- 通过 U n i v e r s u m Universum Universum学习生成额外无标签样本,获取更多的先验知识,以保证半监督学习的判别信息。
- 不同视角应该由不同权重,通过 W M V C WMVC WMVC加权多视角聚类,获取视角权重。
改进:
- 对于文中仅利用了两个视角描述 S S O P M V SSOPMV SSOPMV ,可以通过多个两视角来进行训练。
- 传统的半监督的方法扩展到处理在线学习模型上
算法实现:
OPMV
通过 A D M M ADMM ADMM算法的扩展, O P M V OPMV OPMV的公式如下:
对于优化目标函数后,可以获得最佳权重,对于无标签训练样本,则通过sign函数实现。
SSOPMV
-
利用更多的判别信息训练模型。
-
添加了视角一致性约束,对于未标记样本是否具有相同标签
a b s ( < w 1 , x u j 1 > − < w 2 , x u j 2 > ) = 0 abs(<w_1,x_{uj}^1>-<w_2,x_{uj}^2>)=0 abs(<w1,xuj1>−<w2,xuj2>)=0
_{uj}1>-<w_2,x_{uj}2>)=0$