SSOPMV

半监督在线多视角学习算法（$SSOPMV$）

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$SSOPMV$模型来解决上述问题。

创新：

1. 基于 $OPMV$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。
2. 通过$Universum$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。
3. 不同视角应该由不同权重，通过$WMVC$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$SSOPMV$ ，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$ADMM$算法的扩展，$OPMV$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

1. 利用更多的判别信息训练模型。

2. 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

   $abs(<w_1,x_{uj}^1>-<w_2,x_{uj}^2>)=0$

_{uj}^{1>-<w_2,x_{uj}}2>)=0$