17、基于语音的疾病检测的鲁棒多视图判别学习

基于语音的疾病检测的鲁棒多视图判别学习

1. ROME - DLR算法概述

在语音疾病检测中，ROME - DLR（Robust Multi - View Discriminative Learning）是一种有效的方法。它主要用于融合不同音频的特征来进行疾病检测。其核心步骤包括更新拉格朗日乘子$C_i$，具体更新公式为：
$C_{i}^{+} = C_i + \mu \left(B_i - \left(\frac{Y + E}{K}M_i\right) + X_{i}^{T}(\lambda W_0 + (1 - \lambda)W_i)\right)$

1.1 优化算法流程

优化ROME - DLR的算法流程如下：
1. 输入 ：特征矩阵$X_i$（$i = 1,2,\cdots,m$）、标签矩阵$Y$、常数矩阵$E$。
2. 初始化 ：随机初始化$W_i$和$W_0 \in R^{d\times c}$；$M_i = 0_{n\times c}$；$B_i = 0_{n\times c}$；$C_i = 0_{n\times c}$；$\mu = 0.1$，$\alpha > 0$，$\beta > 0$，$\tau > 0$，且$\lambda \in [0, 1]$。
3. 循环优化 ：
- 当未收敛时：
- 当未收敛时：
- 步骤1：通过公式(7.9)更新$W_i$（$i = 1,2,\cdots,m$）。
- 步骤2：根据公式(7.11)更新$W_0$。