研究人员引入了一个名为鲁棒模糊多视图学习（R-FUML）的新框架，以应对多视图分类中不同数据源可能存在的冲突。该框架利用模糊集理论将网络输出建模为模糊隶属度，从而更好地量化类别的可信度。R-FUML包含一种新颖的鲁棒多视图融合策略，该策略同时考虑了视图特定的不确定性和视图间的冲突；以及一种鲁棒学习对抗视图冲突机制，在训练过程中惩罚冲突的视图。在八个数据集上的实验表明，R-FUML在鲁棒性和不确定性估计方面优于15种现有方法。 AI
影响 引入了一种处理多视图学习中数据冲突的新方法，有望提高集成多种数据源的AI系统的可靠性。
排序理由 详细介绍新机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →