典型文献
基于对数欧氏度量学习的概率黎曼空间量化方法
文献摘要：
在许多机器学习应用中,需要分析的数据可能由对称正定矩阵构成,而经典的欧氏机器学习算法处理这种数据的性能较差.针对此问题,提出一种新的基于对数欧氏度量学习的概率黎曼空间量化方法.该方法将对称正定矩阵看做对数欧氏度量下黎曼流形上的点,采用对数欧氏度量学习距离函数将概率学习矢量量化方法从欧氏空间推广到对称正定黎曼空间.在BCI IV 2a脑电数据集上,该方法相较于概率学习矢量量化方法识别正确率提升20％,高于竞赛第一名;并且计算速度快,模型训练及测试时间分别为基于仿射不变度量的同类型算法的1％和10％.在BCIⅢ Ⅲa和图像数据集ETH-80上也取得了较好的结果.
文献关键词：
对称正定矩阵;学习矢量量化;对数欧氏度量;黎曼几何;流形结构
中图分类号：
作者姓名：
张晓铖;唐凤珍
作者机构：
中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳 110016;中国科学院机器人与智能制造创新研究院,沈阳 110169;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]张晓铖;唐凤珍-.基于对数欧氏度量学习的概率黎曼空间量化方法)[J].计算机应用研究,2022(03):661-667,680
A类：
对数欧氏度量,对称正定矩阵
B类：
度量学习,空间量化,量化方法,多机器学习,学习应用,机器学习算法,看做,黎曼流形,距离函数,概率学,学习矢量量化,欧氏空间,BCI,IV,2a,脑电数据,方法识别,第一名,计算速度,模型训练,测试时间,仿射,和图像,图像数据集,ETH,黎曼几何,流形结构
AB值：
0.280363
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
