本文介绍了一种新的无标签数据生成方法WLM，它结合了WMVC的视角权重概念和Universum学习的改进策略，通过三个步骤生成具有权重的相似样本，用于提升无监督学习效果。特别强调了在线版本WUSM和深度学习特征提取的应用.
基于权重的无标签多视角数据集生成方法（WLM）
1 背景
大部分universum学习没有考虑到视角与特征之间的权重关系，根据 Universum 学习和 WMVC 的优势，我们将它们组合在一起并开发了基于权重的无标签多视角数据集生成方法（WLM）.
2 WLM
WLM 包含三个主要步骤。
第一步是使用 WMVC 的概念获得视角和特征的权重。
第二步是获取每个有标签样本的相似样本。
第三步是生成并选择具有相似样本和权重的可行的无
标签样本。
对于第二步和第三步，它们实际上是在 Universum 学习的基础上进行的。
通过已知标签的样本相似度生成无标签样本
WUSM 基于有标签无标签样本考虑
改进：
在线版本WUSM
结合深度学习提取更多特征
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
