双视图共识强化
将双支持向量机的几何间隔学习与深度网络的多视图表示相结合，通过视图间一致性正则化提升多类分类的鲁棒性。
谢锡炯 · Yanfeng, Li · 孙仕亮
Information Fusion 2023
使用深度神经网络提取视图特征，再交给孪生支持向量机寻找非平行超平面，让每个类别的投影点离自己的超平面更近、离其他类别的超平面更远。
对每个视图的深度孪生分类器输出施加相似性正则化，从而捕捉视图之间的一致信息，并用它来精调深度模型和孪生支持向量机的联合权重。
采用一对多策略，让深度多视图孪生支持向量机分类器直接处理多类分类问题，不需要额外的分解或级联。