资料下载
×
高阶多视图离群点检测及其研究综述
消耗积分:0 |
格式:pdf |
大小:1.54 MB |
2021-05-07
分享资料个
由于数据在不同视图之间的分布比较复杂，传统的单视图离群点检测方法不再适用于多视图离群点的检测，使得多视图离群点检测成为一个颇具挑战性的硏究课题。多视图离群点可分为3种类型：属性离群点、类离群点和类-属性离群点。现有方法采用跨视图成对约東来学习新的特征表示，并根据这些特征来定义离群点评分度量。这些方法没有充分利用视图间的交互信息，并且在面对3个或更多视图时会导致计算的复杂度更高。为此，文中考虑将多视图数据重塑成张量集形式，定义高阶多视图离群点，并且证明现有的三类多视图离群点都满足高阶多视图离群点的定乂，从而提岀一种新的多视图离群点检测算法——高阶多视图离群点检测算法（ High-order Multi- View Outlier Detection， HOMVOD）。该算法首先将多视图数据重塑成张量集形式，然后学习其低秩表示，最后设计张量表示下的离群值函数来实现检测。在UCⅠ数据集上的实验表明， HOMVOD算法在检测多视图离群点方面优于现有方法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
