ICLR 21可信多视图分类论文笔记：Trusted Multi-view Classification

TRUSTED MULTI-VIEW CLASSIFICATION
1、方法动机
多视图数据一般指多源数据，包括多模态数据、多传感器数据、不同方法所提取的数据特征等等。利用多视图数据之间的互补性往往能够增强算法的性能表现。 在多视图学习中，一般的算法通常认为每个视图的数据是“平等”的。这种固定权重的方式实际上有一个潜在的假设：所有样本的各个视图的质量都保持稳定。然而在实际上，不同样本的不同视图的质量完全可能不同，因此，模型应该对此能够有适应性的变化。 在某些场景中，比如医疗场景，对于模型给出的预测，我们不仅要知道预测结果，还要知道预测的置信度以及为什么拥有这样高/低的置信度。这要求模型能够对最终决策结果、甚至是每个视图的决策给出一个准确的不确定度。
2、本文方法

①获得证据——非负神经网络
②③意见生成—主观逻辑（subjective logic）通过将输入建模为狄利克雷分布来获得不同类的分

ICLR 21可信多视图分类论文笔记：Trusted Multi-view Classification最先出现在Python成神之路。