基于融合表征的多视图学习方法

基于融合表征的多视 图学习是机器学习中的一 个重要研究分支。本书介 绍了基于融合表征的多视 图学习方法的基础概念、 技术应用及研究现状和系 列方法。 全书共5章，大致分为 两部分：第1部分（第1章 ）介绍多视图学习的基本 概念、主要技术手段及研 究现状；第2部分（第2～ 5章）介绍了四种多视图 学习方法——基于多视图 相关性与融合表征效果的 关联性分析方法、基于双 反馈机制的多视图相关性 增强表征学习方法、基于 多视图深层特征增强的隐 空间融合表征方法、基于 多视图差异性和一致性的 聚类融合增强学习方法， 这部分内容先对问题背景 进行剖析，介绍相关基础 模型，再详细描述方法框 架及原理，然后介绍方法 的应用效果，由浅到深， 便于读者深入了解各种方 法，从中挖掘出有意义的 改进点，便于后续研究的 开展。 本书适合从事人工智 能、机器学习、数据挖掘 等方向研究的本科生和研 究生阅读，也可供具有一 定研究背景的对多视图学 习感兴趣的读者参考。

第1章 多视图学习概述 1.1 研究背景 1.2 基础模型 1.3 方法描述 1.3.1 基于子空间学习的多视图学习 1.3.2 基于协同训练的多视图学习 1.3.3 基于多核学习的多视图学习 1.3.4 基于图模型的多视图学习 1.3.5 基于特定任务的多视图学习 1.4 应用挑战 1.5 本章小结 第2章 基于多视图相关性与融合表征效果的关联性分析方法 2.1 研究背景 2.2 基础模型 2.2.1 最大信息系数 2.2.2 典型相关性分析 2.3 方法描述 2.4 应用案例 2.4.1 方案设计 2.4.2 数据集 2.4.3 运行设置与环境 2.4.4 评测标准 2.4.5 视图相关性计算结果与分析 2.4.6 基于融合表征的分类结果与分析 2.4.7 相关性与融合效果的关联性分析 2.5 本章小结 第3章 基于双反馈机制的多视图相关性增强表征学习方法 3.1 研究背景 3.2 基础模型 3.2.1 卷积神经网络 3.2.2 胶囊网络 3.2.3 深度广义相关性分析 3.3 方法描述 3.3.1 单视图表征学习 3.3.2 视图内判别性特征学习 3.3.3 视图间融合表征学习 3.4 应用案例 3.4.1 方案设计 3.4.2 数据集 3.4.3 运行设置与环境 3.4.4 评测标准 3.4.5 基准方法 3.4.6 分类任务结果与分析 3.4.7 聚类任务结果与分析 3.4.8 模型超参数可视化 3.5 本章小结 第4章 基于多视图深层特征增强的隐空间融合表征方法 4.1 研究背景 4.2 基础模型 4.3 方法描述