- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
子空间相似度度量学习(Sub-SML) 算法:使用余弦相似 度与马氏距离之差作为新的度量函数, 从而找到一个更 具判别性的度量函数.
非成对约束 1.基于信息论的距离度量学习算法
基于信息几何的度量学习(IGML)算法:利用类标签和 数据样本集构建两个核矩阵, 其中根据类标签构建的 核矩阵是理想矩阵,根据数据样本集构建的核矩阵是 实际矩阵. 该算法使用相对熵度量这两个核矩阵之间 的距离, 并将其作为目标函数, 通过最小化目标函数 求解度量矩阵.
多特征融合距离度量
多种距离度量技术 的综合应用
在线距离度量学习 鲁棒距离度量学习
感谢观看
THANKS
非成对约束 2.基于最大化分类边际的距离度量学习算法
基于最大边际的最近邻(LMNN)算法:通过最大化不同 类别边际距离来改进k最近邻的算法性能.
非成对约束 3.基于提升学习框架的距离度量学习算法
提升学习算法(BoostMetric):在每次迭代过程中最大化 三元组之间的相对距离来学习弱假设, 并利用训练误差 来学习迭代系数. 度量提升学习算法(MetricBoost):在每次迭代过程中, 利用三元组之间相对距离的指数损失作为损失函数并引 入正则项来学习弱假设.
学习汇报——有监督的距离 度量学习算法研究进展
杜彦璋
Biblioteka Baidu
有监督的距离度量学习算法
成对约束
1.基于样本对距离和 2.基于信息论 3.基于概率论 4.基于余弦相似度
非成对约束
1.基于信息论 2.基于最大化分类边际 3.基于提升学习框架 4.基于稀疏正则
成对约束 1. 基于样本对距离和的距离度量学习算法
经典的距离度量学习算法:在最小化相似对之 间马氏距离平方和的同时, 约束非相似对之间 的马氏距离平方和(令其大于某个阈值). 基于特征值最优化框架的度量学习算法：最小 化对称阵的最大特征值进行求解.
成对约束 2.基于信息论的距离度量学习算法
基于信息论的距离度量学习(ITML)算法:利用信息论中 的相对熵来学习度量矩阵.
高维低秩距离度量学习（HDLR) 算法：通过增加低秩约 束来学习度量矩阵. 稀疏距离度量学习(SDML) 算法:最小化度量矩阵M 中非 对角元素的范数项来实现稀疏.
成对约束 3.基于概率论的距离度量学习算法
基于逻辑判别距离度量学习(LDML)算法:采用最大似然估 计的方法, 建立对数似然函数并用作目标函数, 通过最 大化目标函数来求解模型参数.
保持简单直接的度量学习(KISS) 算法:通过似然比相关 理论进行距离度量学习.
成对约束 4.基于余弦相似度的距离度量学习算法
基于余弦相似度的距离度量学习(CSML)算法:学习度 量矩阵M, 使得在变换后子空间中利用余弦相似度进 行更有效的距离度量.
非成对约束 4.基于稀疏正则的距离度量学习算法
普适的稀疏距离度量学习(GSML) 框架:结合稀疏条件来 学习一个度量矩阵, 并通过约束样本间的相对距离, 保 证映射到转换空间后样本之间的距离关系保持不变.
距离度量学习
应用
1.聚类
2.分类 3.计算机视觉
目前距离度量学习研究已经取得了一定的成绩, 但仍有些内容值得去进一步探索和研究.
