面向多视图数据融合的表示学习

　　随着信息技术的飞速发展，当今数据越来越呈现出多源异构特性，具有多种表示的数据（即多视图数据）大量涌现。多视图数据主要是人类在对真实世界进行感知过程中采用不同手段而产生的，这些数据具有小样本、多样性、多模态、价值密度低等特征。实现多视图数据的表示学习是充分合理地利用多视图数据信息的关键。本书以多视图表示学习思想为潜在主线循序渐进地展开介绍，首先介绍基于深度生成模型的多视图表示学习方法与基于样本间图结构的多视图受限玻耳兹曼机模型，然后给出在时间序列上的多视图表示学习方法，最后介绍两种在视图缺失场景中的多视图表示学习方法。 本书可作为机器学习、人工智能、智能科学等专业的高年级本科生和研究生的学习用书，并对从事相关领域的研究人员具有重要的参考价值。

　　张楠 博士，温州大学讲师。博士毕业于中国矿业大学，曾在华东师范大学从事博士后研究工作。入选上海市2019年度“超级博士后激励计划”，主持国家自然科学青年基金一项。从事模式识别与机器学习领域的研究，具体包括多视图学习与生成模型。迄今发表论文20余篇，代表性成果发表于IEEE TPAMI、IEEE TNNLS、IEEE TCYB、PR等国际顶级期刊上。 孙仕亮 博士，华东师范大学教授。博士毕业于清华大学，曾在University College London，Rutgers University，Columbia University 从事访问研究工作，并连续8年入选“中国高被引学者榜单”。从事模式识别、机器学习、自然语言处理、计算机视觉等领域的研究，具体研究包括概率模型及推理、多视图学习、深度学习、强化学习等。迄今发表学术论文100余篇，多篇论文发表于IEEE TPAMI、JMLR、IEEE TNNLS、ICML、IJCAI等国际顶级期刊和会议。

第1章绪论

1.1基本概念

1.1.1视图一致性假设

1.1.2公共特征表示假设

1.2典型的多视图表示学习系统

1.2.1多模态生物特征识别

1.2.2多传感器融合的自动驾驶

1.2.3基于图像的多模态机器翻译

1.3后续章节安排

参考文献

第2章多视图表示学习基础

2.1视图一致性度量方法

2.1.1视图相似性度量方法

2.1.2视图相关性度量方法

2.2多视图表示融合方法

2.2.1基于图的多视图表示融合方法

2.2.2基于神经网络的多视图表示融合方法

参考文献

第3章多视图受限玻耳兹曼机模型

3.1后验一致性受限玻耳兹曼机模型

3.1.1二视图数据融合的后验一致性受限玻耳兹曼机模型

3.1.2PCRBM模型在二视图数据上的推理和学习

3.1.3PCRBM模型的扩展模型

3.2后验一致性和领域适应受限玻耳兹曼机模型

3.2.1二视图数据融合的后验一致性和领域适应受限玻耳兹曼机模型

3.2.2PDRBM模型在二视图数据上的推理和学习

3.2.3PDRBM模型在多视图上的应用

3.3实验与分析

3.3.1实验设置和数据集

3.3.2算法比较与分析

参考文献

第4章基于图结构的多视图玻耳兹曼机模型

4.1实用的近邻图受限玻耳兹曼机模型

4.1.1基于近邻正则化的图受限玻耳兹曼机模型

4.1.2相关分析

4.2基于图结构的多视图受限玻耳兹曼机模型

4.2.1推理和学习

4.2.2相关分析

4.3实验与分析

4.3.1实验设置

4.3.2算法比较与分析

参考文献

第5章基于多视图关键子序列的多元时间序列表示学习模型

5.1基于自适应近邻的无监督关键多元子序列学习方法

5.1.1无监督的关键子序列学习模型概述

5.1.2基于自适应近邻的无监督关键多元子序列学习模型概述

5.1.3优化和学习

5.1.4收敛性分析

5.1.5相关分析

5.2基于自适应近邻的多视图无监督关键多元子序列学习方法

5.2.1模型概述

5.2.2优化和学习

5.2.3评论和复杂性分析

5.3实验与分析

5.3.1实验设置

5.3.2算法比较与分析

参考文献

第6章不完整多视图非负表示学习模型

6.1不完整多视图非负表示学习方法

6.1.1模型概述

6.1.2优化和学习

6.2模型分析

6.2.1收敛性分析

6.2.2复杂性分析

6.2.3模型概述

6.3实验与分析

6.3.1实验设置

6.3.2算法比较与分析

参考文献

第7章基于图补全和自适应近邻的不完整多视图表示学习模型

7.1基于图补全和自适应近邻的不完整多视图非负表示学习方法

7.1.1模型概述

7.1.2优化和学习

7.2模型分析

7.2.1相关性分析

7.2.2复杂性分析

7.3实验与分析

7.3.1实验设置

7.3.2算法比较与分析

参考文献

第8章总结与展望

8.1总结

8.2研究前沿及展望

8.2.1可信多视图表示学习

8.2.2面向视图缺失场景/视图不对齐场景的多视图表示学习