[发明专利]一种用于多视图分类的再分配方法

权利要求书

1.一种用于多视图分类的再分配方法，其特征在于，所述方法包括以下步骤：

给定一组多视图样本，定义一个整合网络、一个合并空间网络、多个注意力网络；

整合网络从多个视图中集成特征，获得统一表示

将获得的统一表示输入到多个注意力网络中，输出多个权重向量作为多组注意力掩码；

将统一表示和注意力掩码逐元素相乘以选择有用的特征，形成第m个视图z_m；

合并空间网络定义预设规则对z_m进行更新，获得公共空间中第m个伪视图

将不同学习器学到的多个伪视图的隐表示进行拼接，得到完备的表示

构建损失函数，根据损失函数更新整合网络、合并空间网络、注意力网络的参数；

判断损失函数是否已经收敛，若收敛，训练结束。

2.根据权利要求1所述的一种用于多视图分类的再分配方法，其特征在于，所述定义预设规则对z_m进行更新，获得公共空间中第m个伪视图具体为：

其中，⊙表示逐元素乘积，x指样本，是第m个学习者对应的注意力网络，其中，整合网络F(x；Θ_f)和合并空间网络G(x；Θ_g)共享不同学习者之间的公共参数。

3.根据权利要求1所述的一种用于多视图分类的再分配方法，其特征在于，所述损失函数包含一致性损失和互补性损失。

4.根据权利要求3所述的一种用于多视图分类的再分配方法，其特征在于，所述损失函数具体为：

其中，M定义为学习者人数，代表训练集中的所有样本和相应标签；是第m个学习器的有监督的度量损失，用于度量样本的语义相似性；用于确保学习者之间的多样性；λ_div是平衡互补性和一致性的超参数。