다중뷰 가법 모델을 이용한 반지도 학습

1. 서론 다중뷰 데이터는 현대 과학·공학 분야에서 흔히 관찰된다. 예를 들어, 생태학에서는 환경 변수와 유전 정보를 각각 하나의 뷰로, 약물 발견에서는 화학적 특성과 생물학적 활성을 또 다른 뷰로 구분한다. 이러한 뷰는 서로 보완적인 정보를 제공하지만, 전통적인 머신러닝은 보통 하나의 피처 집합에만 초점을 맞춘다. 더불어, 라벨이 있는 관측치와 라벨이 없는 관측치가 혼재하는 상황이 많으며, 이를 효과적으로 활용하는 반지도 학습이 필요하다. 기존의 코트레이닝, 그래프 기반 라플라시안 정규화 등은 각각 뷰 간 협업 혹은 그래프 전파에 초점을 맞추지만, 뷰 선택, 모델 해석성, 그리고 효율적인 최적화 측면에서 한계가 있다. 2. 모델링 프레임워크 본 논문은 “일반화 고정점 가법 모델(generalized fixed‑point additive model)”을 제안한다. 각 뷰 \(v\)는 선형 스무더 행렬 \(S^{(v)}\) 로 표현된다. 스무더는 커널 회귀, 스플라인, 혹은 그래프 라플라시안 기반 평활화 등 다양한 형태를 포함할 수 있다. 전체 모델은 \