典型文献
基于约束分层加权的多度量学习算法
文献摘要：
为解决经典的多度量学习算法从预先获得的样本划分中学习度量时,样本划分不精确所导致局部度量拟合能力不足的问题,基于约束分层加权的思想,提出了为约束逐层分配度量并使其度量尽可能满足当前所有约束的优化模型,同时添加正则项使得不同度量对应的约束应该尽可能不同.由于单个样本所形成的不同约束可能对应不同的局部度量,相比于传统的多度量学习方法,提出的算法能够获得更精细的局部度量且更具有灵活性,使得度量的拟合能力更强.实验结果表明,提出的算法在真实数据集上对比代表性的单度量学习算法和多度量学习算法具有明显的优势.
文献关键词：
度量学习;约束加权;马氏距离;三元约束;多度量学习
中图分类号：
作者姓名：
韩露;郭鑫垚;魏巍;梁吉业
作者机构：
山西大学计算机与信息技术学院,山西 太原030006;山西大学计算智能与中文信息处理教育部重点实验室,山西 太原030006
文献出处：
引用格式：
[1]韩露;郭鑫垚;魏巍;梁吉业-.基于约束分层加权的多度量学习算法)[J].山东大学学报（理学版）,2022(04):12-20,29
A类：
多度量学习,约束加权
B类：
层加权,逐层,层分配,正则项,同度,不同约束,真实数据,马氏距离,三元约束
AB值：
0.167097
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。
