机器学习作业与报告

论文代码：MISA: Modality-Invariant and -Specific Representations for Multimodal Sentiment Analysis

基于卷积双流网络融合的视频动作识别，在卷积层融合时空信息网络

给定HIN中以元路径形式指定的一组关系，HIN2Vec基于一组目标关系联合进行多个预测训练任务，学习HIN中节点和元路径的潜在向量。我们使用四个大型真实HIN数据集(包括Blogcatalog、Yelp、DBLP和U.S. Patents)学习节点的潜在向量，并将它们作为这些网络上的多标签节点分类和链接预测应用的特征。

属性异质信息网络上的半监督双聚类，首先利用多条元路径和节点属性，设计了一种融合结构和属性的可学习的整体相关性度量方法，提出了属性异质网络半监督双聚类方法SCCAIN，基于约束的正交非负矩阵三分解对不同类型的节点同时进行聚类。

Graph learning for multiview clustering,与之对比的七种方法：SC, CRSC, RMSC, SNF,MVSC, and MKKM ，和相应的数据集UCI Digits， Caltech-101， Notting-Hill， COIL-20