• 题目：Multi-view Learning with Incomplete Views
• 作者：Chang Xu, Dacheng Tao, Fellow, IEEE, Chao Xu
• 来源：TPAMI2015
• 关键词：多视图学习；不完整视图；
  提出问题：实际中多视图数据往往是incomplete的，例如missing its representation on one view(i.e.,missing view)和could be only observed on that view(i.e., missing variables)两种情况。其中view（文中的意思，例如一幅图的LBP、HOG、GIST等特征可以看作不同的view），而variables则可以看作是具体instance中的像素。如下图所示：
  
  解决方法：
  1.矩阵分解；可以探索单个视图的潜在表示，目标函数如下：
  
  其中U是特征矩阵，W是系数矩阵，Z是latent subspace，作者认为这种矩阵分解的方法忽略了视图间的联系，不同view的特征应该是不同的，但是系数应该是一致的，因此最终的目标函数设为：
  
  最后用超松弛（SOR）方法优化目标函数
  总结：作者认为不同视图应来源于共享子空间，因此提出不完整视图的关键是利用多个视图间的联系，使不完整视图能够在完整视图的帮助下恢复。