Copertina

D-CDLF: Decomposition of Common and Distinctive Latent Factors for Multi-view High-dimensional Data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Shu, Hai
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Nonlinear Sparse Generalized Canonical Correlation Analysis for Multi-view High-dimensional Data
di: Wu, Rong, et al.
Pubblicazione: (2025)

Discovering Common Information in Multi-view Data
di: Zhang, Qi, et al.
Pubblicazione: (2024)

Sharpness-aware Second-order Latent Factor Model for High-dimensional and Incomplete Data
di: Wang, Jialiang, et al.
Pubblicazione: (2025)

Enhanced Latent Multi-view Subspace Clustering
di: Shi, Long, et al.
Pubblicazione: (2023)

Multi-view Graph Condensation via Tensor Decomposition
di: Santos, Nícolas Roque dos, et al.
Pubblicazione: (2025)

SLRL: Structured Latent Representation Learning for Multi-view Clustering
di: Xiong, Zhangci, et al.
Pubblicazione: (2024)

Personalized Tucker Decomposition: Modeling Commonality and Peculiarity on Tensor Data
di: Hu, Jiuyun, et al.
Pubblicazione: (2023)

Latent Mode Decomposition
di: Morante, Manuel, et al.
Pubblicazione: (2025)

Optimal Sparse Singular Value Decomposition for High-dimensional High-order Data
di: Zhang, Anru, et al.
Pubblicazione: (2018)

High-dimensional multi-view clustering methods
di: Zahir, Alaeddine, et al.
Pubblicazione: (2023)

Proper Latent Decomposition
di: Kelshaw, Daniel, et al.
Pubblicazione: (2024)

Multi-view Clustering via Unified Multi-kernel Learning and Matrix Factorization
di: Jia, Chenxing, et al.
Pubblicazione: (2024)

Recovering Latent Confounders from High-dimensional Proxy Variables
di: Mankovich, Nathan, et al.
Pubblicazione: (2024)

Noisy Nonnegative Tucker Decomposition with Sparse Factors and Missing Data
di: Zhang, Xiongjun, et al.
Pubblicazione: (2022)

Model Selection and Parameter Estimation of Multi-dimensional Gaussian Mixture Model
di: Liu, Xinyu, et al.
Pubblicazione: (2026)

Multi-Factor Spatio-Temporal Prediction based on Graph Decomposition Learning
di: Ji, Jiahao, et al.
Pubblicazione: (2023)

Latent Diffeomorphic Dynamic Mode Decomposition
di: Diepeveen, Willem, et al.
Pubblicazione: (2025)

Decoder Decomposition for the Analysis of the Latent Space of Nonlinear Autoencoders With Wind-Tunnel Experimental Data
di: Mo, Yaxin, et al.
Pubblicazione: (2024)

CARE: Covariance-Aware and Rank-Enhanced Decomposition for Enabling Multi-Head Latent Attention
di: Zhou, Zhongzhu, et al.
Pubblicazione: (2026)

Active-Passive Federated Learning for Vertically Partitioned Multi-view Data
di: Liu, Jiyuan, et al.
Pubblicazione: (2024)

Common Practices and Taxonomy in Deep Multi-view Fusion for Remote Sensing Applications
di: Mena, Francisco, et al.
Pubblicazione: (2022)

Causal Discovery with Mixed Latent Confounding via Precision Decomposition
di: Asiaee, Amir, et al.
Pubblicazione: (2025)

A Self-Constructing Multi-Expert Fuzzy System for High-dimensional Data Classification
di: Ren, Yingtao, et al.
Pubblicazione: (2024)

Unified View Imputation and Feature Selection Learning for Incomplete Multi-view Data
di: Huang, Yanyong, et al.
Pubblicazione: (2024)

AdaMuS: Adaptive Multi-view Sparsity Learning for Dimensionally Unbalanced Data
di: Xu, Cai, et al.
Pubblicazione: (2026)

H-SPLID: HSIC-based Saliency Preserving Latent Information Decomposition
di: Miklautz, Lukas, et al.
Pubblicazione: (2025)

Sharp-It: A Multi-view to Multi-view Diffusion Model for 3D Synthesis and Manipulation
di: Edelstein, Yiftach, et al.
Pubblicazione: (2024)

High-dimensional Analysis of Synthetic Data Selection
di: Rezaei, Parham, et al.
Pubblicazione: (2025)

MaD-Mix: Multi-Modal Data Mixtures via Latent Space Coupling for Vision-Language Model Training
di: Xie, Wanyun, et al.
Pubblicazione: (2026)

Latent Space Factorization in LoRA
di: Kumar, Shashi, et al.
Pubblicazione: (2025)

Factored Latent Action World Models
di: Wang, Zizhao, et al.
Pubblicazione: (2026)

Polynomial Width is Sufficient for Set Representation with High-dimensional Features
di: Wang, Peihao, et al.
Pubblicazione: (2023)

Common Functional Decompositions Can Mis-attribute Differences in Outcomes Between Populations
di: Quintero, Manuel, et al.
Pubblicazione: (2025)

Cross-view Joint Learning for Mixed-Missing Multi-view Unsupervised Feature Selection
di: Shen, Zongxin, et al.
Pubblicazione: (2025)

Optimal Discriminant Analysis in High-Dimensional Latent Factor Models
di: Bing, Xin, et al.
Pubblicazione: (2022)

A Proportional-Integral Controller-Incorporated SGD Algorithm for High Efficient Latent Factor Analysis
di: Li, Jinli, et al.
Pubblicazione: (2025)

Carve3D: Improving Multi-view Reconstruction Consistency for Diffusion Models with RL Finetuning
di: Xie, Desai, et al.
Pubblicazione: (2023)

Certified Data Removal Under High-dimensional Settings
di: Zou, Haolin, et al.
Pubblicazione: (2025)

Tree-Wasserstein Distance for High Dimensional Data with a Latent Feature Hierarchy
di: Lin, Ya-Wei Eileen, et al.
Pubblicazione: (2024)

Interpretable Multi-Source Data Fusion Through Latent Variable Gaussian Process
di: Ravi, Sandipp Krishnan, et al.
Pubblicazione: (2024)