有监督的距离度量学习算法研究进展

有监督的距离度量学习算法研究进展

ID:33604436

大小:675.54 KB

页数:14页

时间:2019-02-27

有监督的距离度量学习算法研究进展_第1页
有监督的距离度量学习算法研究进展_第2页
有监督的距离度量学习算法研究进展_第3页
有监督的距离度量学习算法研究进展_第4页
有监督的距离度量学习算法研究进展_第5页
资源描述:

《有监督的距离度量学习算法研究进展》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、第40卷第12期自动化学报Vol.40,No.122014年12月ACTAAUTOMATICASINICADecember,2014有监督的距离度量学习算法研究进展沈媛媛1严严1王菡子1摘要近年来,距离度量学习已成为计算机视觉和模式识别等领域最为活跃的研究课题之一.如何利用训练数据学习得到有效的距离度量来衡量目标之间的相似性是该类研究的关键问题.针对有监督的距离度量学习问题,目前已提出了大量的研究算法.结合近年已发表相关文献对有监督的距离度量学习算法进行了详细的介绍和讨论.根据样本信息利用方式的不同,将其划分成基于成对约束和非成

2、对约束的距离度量学习算法,重点介绍了一些常用的典型算法,分析了每种算法的原理和优缺点,最后是未来发展方向和趋势的展望.关键词距离度量学习,马氏距离,成对约束,非成对约束引用格式沈媛媛,严严,王菡子.有监督的距离度量学习算法研究进展.自动化学报,2014,40(12):2673¡2686DOI10.3724/SP.J.1004.2014.02673RecentAdvancesonSupervisedDistanceMetricLearningAlgorithms111SHENYuan-YuanYANYanWANGHan-ZiAbs

3、tractRecently,distancemetriclearninghasbecomeoneofthemostattractiveresearchareasincomputervisionandpatternrecognition.Howtolearnane®ectivedistancemetrictomeasurethesimilaritybetweensubjectsisakeyproblem.Alargenumberofalgorithmshavebeenproposedtodealwithsuperviseddist

4、ancemetriclearning.Thispaperreviewsanddiscussesrecentlydevelopedalgorithmsforsuperviseddistancemetriclearning.Basedonthepartitionofpairwiseconstraintsandnon-pairwiseconstraints,somerepresentativealgorithmsareintroducedandtheirrespectiveprosandconsareanalyzed.Theprosp

5、ectsforfuturedevelopmentandsuggestionsforfurtherresearchworkarepresentedintheend.KeywordsDistancemetriclearning,Mahalanobisdistance,pairwiseconstraints,non-pairwiseconstraintsCitationShenYuan-Yuan,YanYan,WangHan-Zi.Recentadvancesonsuperviseddistancemetriclearningalgo

6、rithms.ActaAutomaticaSinica,2014,40(12):2673¡2686在计算机视觉和模式识别等领域,我们通常使样本的分布更加松散.用特征向量来表征样本.在众多衡量特征向量相似根据学习方式不同,距离度量学习算法可分为性的方法中,距离度量是最基本的方法.距离度量学无监督的距离度量学习算法[8¡11]和有监督的距离习算法[1¡7]在机器学习、模式识别和计算机视觉等度量学习算法[9¡16]两类.无监督的距离度量学习领域有着广泛的应用.因此,研究距离度量学习算法算法的基本思想是利用降维将原始数据集映射到低具有非

7、常重要的理论意义和应用价值.维子空间中,从而获得一个关于原数据集紧致的低距离度量学习(或相似度学习)是指利用给定的维表示.Ye等[9]提出了一种自适应距离度量学习训练样本集学习得到一个能够有效反映数据样本间(Adaptivemetriclearning,AML)算法,这种算法距离(或相似度)的度量矩阵,使在基于度量矩阵的结合聚类和距离度量学习的思想,通过降维使数据新特征空间中,同类样本的分布更加紧凑,而不同类具有最大可分性,并在新的低维子空间中进行有效的距离度量.Chen等[8]基于AML算法结合核学收稿日期2014-01-20

8、录用日期2014-04-10习技术提出了非线性自适应距离度量学习算法.有ManuscriptreceivedJanuary20,2014;acceptedApril10,2014监督的距离度量学习算法的主要思想是利用训练集国家自然科学基金(61201359,61

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。