一种将缺失填补与分类端到端联合优化的神经网络，能利用类别信息为分类补全判别性数值，并使补全后的类内分布更紧凑。
69880898 · Chen, Chuxin · 马千里
Information Sciences 2023
端到端训练避免了先填补后分类的两阶段分离优化，填补值直接服务于分类模块，提升最终分类准确率。
类别感知的最优传输利用样本的类别信息填补缺失值，使填补值包含判别性信息，有利于分类。
可视化分析表明补全后数据的类内分布更紧凑，说明模型学到了更有区分性的特征表示。
更紧凑的类内分布暗示缺失机制可被用作数据增强策略来进一步提升分类精度。