基于一致互补性的多视角最小二乘支持向量机

作     者：唐静静 李佳辉 田英杰 TANG Jingjing;LI Jiahui;TIAN Yingjie

作者机构：西南财经大学工商管理学院成都611130 西南财经大学大数据研究院成都611130 中国科学院虚拟经济与数据科学研究中心北京100190 中国科学院大学经济与管理学院北京100190 

基　　金：国家自然科学基金(71901179 71991472 12071458 71731009) 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2022年第42卷第9期

页      码：2461-2471页

摘      要：多视角学习(multi-view learning)是指利用事物的多视角数据,对其内在模式进行识别和学习.然而,大部分多视角学习模型存在两个弊端:1)仅适用于两视角学习场景,对于视角个数超过两个的情形便无法直接进行处理;2)要么遵循一致性原则,要么遵循互补性原则,同时遵循两个原则的研究工作比较少.为解决以上两个弊端,本文通过使用最小二乘损失函数和权重分配策略,构建了基于一致性和互补性原则的多视角最小二乘支持向量机(multi-view least square support vector machine with the consensus and the complementarity principles,MVLSSVM-2C),并设计了相应的交替优化算法对模型进行求解.进一步地,本文利用Rademacher复杂度理论对MVLSSVM-2C的泛化能力进行分析.最后,在大量的多视角数据集上验证了MVLSSVM-2C模型的合理有效性.

主 题 词：多视角学习 最小二乘支持向量机 一致性原则 互补性原则 

学科分类：120202[120202] 12[管理学] 1202[管理学-工商管理类] 

核心收录：

D　O　I：10.12011/SETP2021-0170

馆 藏 号：203114515...