Robust Fuzzy Multi-View Learning

新框架解决多视图学习中的数据视图冲突问题

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。