Support Vector Machine Framework for Multi-View Metric Learning - Aix-Marseille Université Access content directly
Conference Papers Year : 2018

Support Vector Machine Framework for Multi-View Metric Learning

Abstract

In this article we tackle the supervised multi-view learning problem with kernel methods and metric learning. In this context we consider a recently developed multi-view metric learning (MVML) framework, and propose a SVM-based algorithm that jointly learns the classifier and metrics between views. These metrics permit taking into account the multi-view characteristics of the learning problem. Experiments on real data were performed to evaluate the performance of the proposed algorithm.
Cet article s’intéresse a l'apprentissage multi-vue par des méthodes à noyaux et d'apprentissage de métriques. Dans ce cadre, nous considérons MVML (multi-view metric learning), une méthode récemment développée, et nous proposons un algorithme basé sur les séparateurs à vaste marge (SVM) qui apprend conjointement un classifieur et des métriques entre les vues permettant ainsi de tenir compte des caractéristiques multi-vues du problème d'apprentissage. Des expérimentations sur données réelles ont été réalisées afin d'évaluer les performances de l'algorithme proposé.
Fichier principal
Vignette du fichier
SFDS_mvml_svm.pdf (366.13 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02070699 , version 1 (18-03-2019)

Identifiers

  • HAL Id : hal-02070699 , version 1

Cite

Riikka Huusari, Hachem Kadri, Cécile Capponi. Support Vector Machine Framework for Multi-View Metric Learning. 50e Journées de Statistique de la Société Française de Statistique, May 2018, Paris, France. ⟨hal-02070699⟩
119 View
82 Download

Share

Gmail Facebook X LinkedIn More