高阶多视图离群点检测及其研究综述

由于数据在不同视图之间的分布比较复杂，传统的单视图离群点检测方法不再适用于多视图离群点的检测，使得多视图离群点检测成为一个颇具挑战性的硏究课题。多视图离群点可分为3种类型：属性离群点、类离群点和类-属性离群点。现有方法采用跨视图成对约東来学习新的特征表示，并根据这些特征来定义离群点评分度量。这些方法没有充分利用视图间的交互信息，并且在面对3个或更多视图时会导致计算的复杂度更高。为此，文中考虑将多视图数据重塑成张量集形式，定义高阶多视图离群点，并且证明现有的三类多视图离群点都满足高阶多视图离群点的定乂，从而提岀一种新的多视图离群点检测算法——高阶多视图离群点检测算法（ High-order MulTI- View Outlier DetecTIon， HOMVOD）。该算法首先将多视图数据重塑成张量集形式，然后学习其低秩表示，最后设计张量表示下的离群值函数来实现检测。在UCⅠ数据集上的实验表明， HOMVOD算法在检测多视图离群点方面优于现有方法。