基于典型相关分析的多视图学习方法综述

Abstract

多视图学习是将不同来源的特征子集加以融合的策略。典型相关分析是多视图学习中的重要方法，旨在最大化不同视图之间的相关性。传统的典型相关分析仅能计算两个视图之间的线性相关性，无法应用于包含多个视图或包含非线性相关性的数据集。此外，如果将典型相关分析应用于有监督任务，其作为一种无监督方法将导致标签信息的浪费。针对上述问题，提出大量非线性的、针对多个视图的、有监督的基于典型相关分析的多视图学习方法。首先，概述经典的基于典型相关分析的多视图方法；然后介绍这些方法在模式识别、跨模态检索和分类，以及多视图嵌入中的典型应用；最后，对基于典型相关分析的多视图学习方法面临的挑战和未来研究方向进行了总结和展望。

Keywords

• 典型相关分析
• 多视图学习
• 多模态检索
• 多视图嵌入