| 基于生成对抗网络的多视图学习与重构算法 |
| |
| 引用本文： | 孙亮, 韩毓璇, 康文婧, 葛宏伟. 基于生成对抗网络的多视图学习与重构算法. 自动化学报, 2018, 44(5): 819-828. doi: 10.16383/j.aas.2018.c170496 |
| |
| 作者姓名： | 孙亮 韩毓璇 康文婧 葛宏伟 |
| |
| 作者单位： | 1.大连理工大学计算机科学与技术学院 大连 116023 |
| |
| 基金项目： | 国家自然科学基金61572104国家自然科学基金61103146国家自然科学基金61402076中央高校基本科研业务项目DUT17JC04吉林大学符号计算与知识工程教育部重点实验室项目93K172017K03 |
| |
| 摘 要： | 
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（Generative adversarial networks,GAN）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其他视图.
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.
|
| 关 键 词： | 多视图重构 条件生成对抗网络 多视图表征学习 生成模型 |
| 收稿时间： | 2017-09-08 |
|
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载免费的PDF全文 |
|
