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。
想了解推荐系统最新研究进展?请收好这16篇论文
中国人工智能学会
2+阅读 · 2018年9月28日
山东大学贲晛烨:步态识别三部曲
中国图象图形学报
2+阅读 · 2019年5月15日
用深度学习识别鲸鱼,问题、经验与总结
计算机视觉life
0+阅读 · 2020年6月10日
KDD 18 & AAAI 19 | 异构信息网络表示学习论文解读
PaperWeekly
21+阅读 · 2019年2月25日
LibRec 每周算法:Collaborative Metric Learning (WWW'17)
LibRec智能推荐
6+阅读 · 2017年7月4日
如何用OpenCV、Python和深度学习实现面部识别?
人工智能头条
0+阅读 · 2018年6月30日
GitHub 热门:深度学习模型大合集,5600+ Star
Python开发者
1+阅读 · 2019年6月13日
参考链接
父主题
微信扫码咨询专知VIP会员