基本信息

---

下载

文档摘要

---

摘要

多视图融合有助于获得更完整的数据特征。现有的多视图融合方法经常将不同

视图间的共享信息和各视图独有信息混杂在一起，不仅会造成信息冗余，还可能引入

新的噪声；又或者考虑了共享信息和独有信息，但却对融合视图的数据质量有较高要

求，当融合视图的质量水平较低时，模型学到的融合表示质量也会降低，从而使得模

型性能下降，发生负迁移。本文面向低质量的数据场景，通过尽可能过滤数据中的冲

突信息或是噪声和无关信息，保留低质量数据中与高质量数据相关的信息来学习完

整且鲁棒的融合表示，缓解负迁移。本文的主要工作