文件名称：基于生成对抗网络的多视图学习与重构算法
文件大小：1.35MB
文件格式：PDF
更新时间：2024-05-17 00:53:38
多视图重构，条件生成对抗网络，多视图表征学习，生成模型
同一事物通常需要从不同角度进行表达。然而，现实应用经常引出复杂的场景，导致完整视图数据很难获得。因此研究如何构建事物的完整视图具有重要意义。本文提出一种基于生成对抗网络的多视图学习与重构算法，利用已知单一视图，通过生成式方法构建起他视图。为构建多视图通用的表征，提出新型表征学习算法，使得同一实例的任意视图都能映射至相同的表征向量，并保证其包含实例的重构信息。为构建给定事物的多种视图，提出基于生成对抗网络的重构算法，在生成模型中加入表征信息，保证了生成视图数据与源视图相匹配。所提出的算法的优势在于避免了不同视图间的直接映射，解决了训练数据视图不完整问题，以及构造视图与已知视图正确对应问题。在手写体数字数据集MNIST，街景数字数据集SVHN和人脸数据集CelebA上的模拟实验结果表明，所提出的算法具有很好的重构性能。