典型相关分析(CCA)是一种经典的多视角特征提取方法,可以从2个视角中查找特征集之间的线性相关关系.但CCA在做分类任务时具有多个......

多视角学习（Multi-view learning,MVL）是机器学习领域的热点问题。我们可以从不同的角度来描述对象,获得对象的多视角数据,在多视角......

Universum学习是一种建立在Universum数据上的机器学习模型。Universum数据指的是一种与二分类问题的数据处于同一域,但却不属于其......

与单任务学习（STL）相比,多任务学习（MTL）通过在多任务模型中的任务之间共享信息以获得了更好的分类器。在多任务学习中,目标任务利用多......

模式识别的研究已经取得了快速的发展，它在各个领域都发挥着巨大的作用。本文主要着眼于对模式识别分类器的设计研究和在现实生活中......

由于受限于人工成本,很多现实世界中的多视角数据集是由少量有标签样本和大量无标检样本组成的。当前传统的多视角矩阵分类器无法......

近年来,随着计算机技术的飞速发展,互联网已经成为了人们日常生活中不可或缺的一部分。互联网的迅速发展,给人们的生活带来便捷的......

为解决原始核聚类（Kernel Clustering,KC）中模式信息不足、聚类结果不佳的缺点,以KC为基础,利用Universum学习带来的优势,提出基于Un......

为克服传统多视角分类器无法充分最小化结构风险的不足,提出基于Universum的多视角全局和局部结构风险最小化模型。该模型采用Univ......

如何有效地利用来自多个源域的决策知识来预测目标域中样例的标签是一个具有挑战性的问题。本文对于这一问题进行研究,主要工作分......

度量学习通过更真实的刻画样本之间的距离,来提高分类和聚类的精度。GMML(Geometric Mean MetricLearning)在学习度量矩阵A 时,使......

针对如何有效使用多源域的决策知识去预测目标域样例标签的问题,提出一种平衡域与样例信息的多源迁移学习算法.为实现上述目的,本......