多视图机器学习中协同训练、多核学习和子空间学习是基于什么区分的发展历程是怎样的有什么代表方法吗

多视图机器学习主要是指利用多个数据视图（即不同的数据特征或不同的数据来源）来进行学习任务。协同训练、多核学习和子空间学习都是多视图机器学习中的方法。

协同训练是一种基于多视图学习的协同式学习方法，它的主要思想是把不同视图的信息分别用于不同的分类器训练，然后通过协同的方式来提高分类器的准确率。协同训练最早是由Blum和Mitchell在1998年提出的，后来经过一系列改进和发展，出现了一些代表性的方法，如MSTC、Co-EM等。

多核学习是一种利用核方法（kernel method）来处理多视图数据的方法，它的主要思想是将不同视图转化为核函数，然后利用核方法进行学习和分类。多核学习最早是由Lanckriet等人在2004年提出的，后来也经过了一系列的改进和发展，如MKL、MMD等。

子空间学习是一种将多个视图转化为低维子空间来进行学习和分类的方法，它的主要思想是将不同视图的信息投影到一个共同的低维子空间中，然后在子空间中进行学习和分类。子空间学习最早是由Basri等人在2003年提出的，后来也经过了一系列的改进和发展，如MCCA、JIVE等。

总体来说，协同训练、多核学习和子空间学习都是多视图机器学习中的代表性方法，它们都是通过不同的思路和技术来处理多视图数据，并在不同的应用场景中取得了较好的效果。