%0 Journal Article
%T 一种基于L2-SVM的多视角核心向量机
%A 黄成泉
%A 王士同
%A 蒋亦樟
%A 董爱美
%J 控制与决策
%P 1356-1364
%D 2015
%R 10.13195/j.kzyjc.2014.0736
%X 核化一类硬划分SVDD、一/二类L2-SVM、L2支持向量回归和RankingSVM均已被证明是中心约束最小包含球.这里将多视角学习引入核化L2-SVM,提出核化两类多视角L2-SVM(Multi-viewL2-SVM),并证明该核化两类Multi-viewL2-SVM亦为中心约束最小包含球,进而提出一种多视角核心向量机MvCVM.所提出的Multi-viewL2-SVM和MvCVM既考虑了视角之间的差异性,又考虑了视角之间的关联性,使得分类器在各个视角上的学习结果趋于一致.人造多视角数据集和真实多视角数据集的实验均表明了Multi-viewL2-SVM和MvCVM方法的有效性.
%K 多视角
%K 视角差异性
%K 视角关联性
%K 一致性
%K 核心向量机
%U http://www.kzyjc.net:8080/CN/abstract/abstract13118.shtml