面向多視圖數(shù)據(jù)融合的表示學(xué)習(xí)

第1章緒論

1.1基本概念

1.1.1視圖一致性假設(shè)

1.1.2公共特征表示假設(shè)

1.2典型的多視圖表示學(xué)習(xí)系統(tǒng)

1.2.1多模態(tài)生物特征識別

1.2.2多傳感器融合的自動駕駛

1.2.3基于圖像的多模態(tài)機器翻譯

1.3后續(xù)章節(jié)安排

參考文獻(xiàn)

第2章多視圖表示學(xué)習(xí)基礎(chǔ)

2.1視圖一致性度量方法

2.1.1視圖相似性度量方法

2.1.2視圖相關(guān)性度量方法

2.2多視圖表示融合方法

2.2.1基于圖的多視圖表示融合方法

2.2.2基于神經(jīng)網(wǎng)絡(luò)的多視圖表示融合方法

參考文獻(xiàn)

第3章多視圖受限玻耳茲曼機模型

3.1后驗一致性受限玻耳茲曼機模型

3.1.1二視圖數(shù)據(jù)融合的后驗一致性受限玻耳茲曼機模型

3.1.2PCRBM模型在二視圖數(shù)據(jù)上的推理和學(xué)習(xí)

3.1.3PCRBM模型的擴展模型

3.2后驗一致性和領(lǐng)域適應(yīng)受限玻耳茲曼機模型

3.2.1二視圖數(shù)據(jù)融合的后驗一致性和領(lǐng)域適應(yīng)受限玻耳茲曼機模型

3.2.2PDRBM模型在二視圖數(shù)據(jù)上的推理和學(xué)習(xí)

3.2.3PDRBM模型在多視圖上的應(yīng)用

3.3實驗與分析

3.3.1實驗設(shè)置和數(shù)據(jù)集

3.3.2算法比較與分析

參考文獻(xiàn)

第4章基于圖結(jié)構(gòu)的多視圖玻耳茲曼機模型

4.1實用的近鄰圖受限玻耳茲曼機模型

4.1.1基于近鄰正則化的圖受限玻耳茲曼機模型

4.1.2相關(guān)分析

4.2基于圖結(jié)構(gòu)的多視圖受限玻耳茲曼機模型

4.2.1推理和學(xué)習(xí)

4.2.2相關(guān)分析

4.3實驗與分析

4.3.1實驗設(shè)置

4.3.2算法比較與分析

參考文獻(xiàn)

第5章基于多視圖關(guān)鍵子序列的多元時間序列表示學(xué)習(xí)模型

5.1基于自適應(yīng)近鄰的無監(jiān)督關(guān)鍵多元子序列學(xué)習(xí)方法

5.1.1無監(jiān)督的關(guān)鍵子序列學(xué)習(xí)模型概述

5.1.2基于自適應(yīng)近鄰的無監(jiān)督關(guān)鍵多元子序列學(xué)習(xí)模型概述

5.1.3優(yōu)化和學(xué)習(xí)

5.1.4收斂性分析

5.1.5相關(guān)分析

5.2基于自適應(yīng)近鄰的多視圖無監(jiān)督關(guān)鍵多元子序列學(xué)習(xí)方法

5.2.1模型概述

5.2.2優(yōu)化和學(xué)習(xí)

5.2.3評論和復(fù)雜性分析

5.3實驗與分析

5.3.1實驗設(shè)置

5.3.2算法比較與分析

參考文獻(xiàn)

第6章不完整多視圖非負(fù)表示學(xué)習(xí)模型

6.1不完整多視圖非負(fù)表示學(xué)習(xí)方法

6.1.1模型概述

6.1.2優(yōu)化和學(xué)習(xí)

6.2模型分析

6.2.1收斂性分析

6.2.2復(fù)雜性分析

6.2.3模型概述

6.3實驗與分析

6.3.1實驗設(shè)置

6.3.2算法比較與分析

參考文獻(xiàn)

第7章基于圖補全和自適應(yīng)近鄰的不完整多視圖表示學(xué)習(xí)模型

7.1基于圖補全和自適應(yīng)近鄰的不完整多視圖非負(fù)表示學(xué)習(xí)方法

7.1.1模型概述

7.1.2優(yōu)化和學(xué)習(xí)

7.2模型分析

7.2.1相關(guān)性分析

7.2.2復(fù)雜性分析

7.3實驗與分析

7.3.1實驗設(shè)置

7.3.2算法比較與分析

參考文獻(xiàn)

第8章總結(jié)與展望

8.1總結(jié)

8.2研究前沿及展望

8.2.1可信多視圖表示學(xué)習(xí)

8.2.2面向視圖缺失場景/視圖不對齊場景的多視圖表示學(xué)習(xí)