论文部分内容阅读
针对同一对象从不同途径或不同层面获得的特征数据被称为多视角数据.多视角学习是利用事物的多视角数据进行建模求解的一种新的机器学S方法.大量研宄表明,多视角数据共同学习可以显著提高模型的学习效果,因此许多相关模型及算法被提出.多视角学习一般需遵循一致性原则和互补性原则.基于一致性原则,Farquhar等人成功地将支持向量机(Support Vector Machine,SVM)和核典型相关分析(Kernel Canonical Correlation Analysis,KCCA)整合成一个单独的优化问题,提出