自适应多视角学习及其在图像分类中的应用

？针对现有多视角学习算法在构建近邻图时缺乏数据自适应性问题，提出一种自适应多视角学习(amvl)算法。该算法首先利用l1范数具有自动数据样本选择的特性，对不同视角分别构建有向的l1图；然后根据得到的l1图，最小化各个视角下的低维重建误差；最后对不同视角间进行多视角全局坐标对齐，得到自适应多视角学习算法的目标函数。此外，还提出一种迭代优化求解方法来对所提目标函数进行优化求解。将该算法应用到图像分类问题，在corel5k和nus-wide-object两个公共图像数据集上与现有算法进行对比。实验结果表明：所提方法在这两个数据集上可以分别提高最高5%和2%的分类准确率；优化求解算法可以保证在100次迭代内收敛；算法所得到的近邻数目具有数据自适应性。