度量学习的目的为了衡量样本之间的相近程度,而这也正是模式识别的核心问题之一。大量的机器学习方法,比如K近邻、支持向量机、径向基函数网络等分类方法以及K-means聚类方法,还有一些基于图的方法,其性能好坏都主要有样本之间的相似度量方法的选择决定。 度量学习通常的目标是使同类样本之间的距离尽可能缩小,不同类样本之间的距离尽可能放大。

精品内容

「机器学习中原型学习」最新2022研究进展综述
专知会员服务
31+阅读 · 10月30日
机器学习中原型学习研究进展
专知会员服务
37+阅读 · 1月18日
智能视频监控关键技术:行人再识别研究综述
专知会员服务
29+阅读 · 2021年12月30日
【AAAI2022】 负样本问题:时间基础度量学习的复兴
专知会员服务
18+阅读 · 2021年12月26日
【博士论文】开放环境下的度量学习研究
专知会员服务
34+阅读 · 2021年12月4日
参考链接
父主题
微信扫码咨询专知VIP会员