Multiple Cayley-Klein metric learning.
Multiple Cayley-Klein metric learning.
复制标题
多重凯莱-克莱因度量学习
DOI：
10.1371/journal.pone.0184865
复制
发表时间：
2017
期刊：
影响因子：
3.7
通讯作者：
Wu F
中科院分区：
文献类型：
--
作者：
Bi Y;Fan B;Wu F
Cayley-Klein度量作为射影空间中的一种特殊的非欧氏度量，最近被引入度量学习中来处理计算机视觉任务中复杂的数据分布。本文将原来的Cayley-Klein度量推广到多重Cayley-Klein度量，它被定义为几个Cayley-Klein度量的线性组合。由于Cayley-Klein是一种非线性度量，将其结合起来可以更好地对数据空间进行建模，从而提高性能。我们展示了如何通过对单个Cayley-Klein度量及其组合系数进行迭代优化来学习多个Cayley-Klein度量，目标是最大化分离类间实例和收集类内实例的性能。我们在几个基准上的实验相当令人鼓舞。
As a specific kind of non-Euclidean metric lies in projective space, Cayley-Klein metric has been recently introduced in metric learning to deal with the complex data distributions in computer vision tasks. In this paper, we extend the original Cayley-Klein metric to the multiple Cayley-Klein metric, which is defined as a linear combination of several Cayley-Klein metrics. Since Cayley-Klein is a kind of non-linear metric, its combination could model the data space better, thus lead to an improved performance. We show how to learn a multiple Cayley-Klein metric by iterative optimization over single Cayley-Klein metric and their combination coefficients under the objective to maximize the performance on separating inter-class instances and gathering intra-class instances. Our experiments on several benchmarks are quite encouraging.
登录
查看更多内容
影响因子：
19.5
作者：
Oliva, A;Torralba, A
通讯作者：
Torralba, A
DOI：
10.1109/tpami.2013.134
发表时间：
2014-02-01
影响因子：
23.6
作者：
Lu, Jiwen;Zhou, Xiuzhuang;Zhou, Jie
通讯作者：
Zhou, Jie
DOI：
10.1109/34.506411
发表时间：
1996-06-01
影响因子：
23.6
作者：
Hastie, T;Tibshirani, R
通讯作者：
Tibshirani, R
影响因子：
2.5
作者：
COVER, TM;HART, PE
通讯作者：
HART, PE