(通讯员:石剑峰)近日,公司计科系唐厂副教授题为《Cross-view Local Structure Preserved Diversity and Consensus Learning for Multi-view Unsupervised Feature Selection》的研究论文被2019年人工智能领域顶级会议《AAAI Conference on Artificial Intelligence》(简称AAAI 2019,CCF A类会议)正式接收。唐厂副教授为论文第一作者,公司王力哲教授为合作作者。太阳成集团的官方网站为第一完成单位。在CCF A类顶级会议上发表论文,对团队建设和发展意义重大。唐厂老师为公司2017年引进的特任副教授。这也有力的证明了公司近年来人才引进工作对推动学院科研水平的提高和学科发展取得的成效。
该论文的研究目的主要在于如何在无监督信息的情况下从多视角的数据中提取有用的特征维度,减少特征的噪声维度和无关维度对后续数据处理方法的干扰。为了达到这一目的,该论文将不同视角的数据通过多输出回归映射到一个公有的语义标签空间,同时考虑到各个视角自己所拥有的独特信息,论文将该语义标签空间松弛成一个真正的标签空间和每个视角对应的噪音标签空间。另外,考虑到数据的局部几何特性对无监督学习的重要性,该论文将视角内的拉普拉斯约束和视角间的拉普拉斯约束进行整体结合,提出一种跨视角的拉普拉斯约束来约束多视角数据间的局部关系。相比于以往提出的多视角无监督特征选择方法,该论文的结果得到了有效的提升,能够为后续学习任务选择更加有效的特征维度。
该论文方法CRV-DCL得到的特征在不同数据库上的聚类精确度
该论文方法CRV-DCL得到的特征在不同数据库上的聚类归一化互信息