LAM3L: Locally adaptive maximum margin metric learning for visual data classification
LAM3L: Locally adaptive maximum margin metric learning for visual data classification
复制标题
LAM3L：用于视觉数据分类的局部自适应最大边缘度量学习
DOI：
10.1016/j.neucom.2016.12.008
复制
发表时间：
2017-04
期刊：
影响因子：
6
通讯作者：
D. Tao
中科院分区：
文献类型：
--
作者：
Y. Dong;B. Du;L. Zhang;L. Zhang;D. Tao
视觉数据分类旨在为每个类确定唯一的标签，是机器学习社区中越来越重要的问题。近年来，度量学习在分类中的应用受到越来越多的关注，这已被证明是一种很好的方法，以获得有前途的性能。然而，由于训练样本的有限性和数据的复杂分布，这些算法中的绝大多数通常不能很好地执行。这促使我们开发了一种新的局部自适应最大间隔度量学习（LAM3L）算法，以最大限度地分离相似和不相似的类，基于最大间隔度量学习前后的距离之间的变化。在两个广泛使用的UCI数据集和一个真实的高光谱数据集上的实验结果表明，该方法优于现有的度量学习方法。
Visual data classification, which is aimed at determining a unique label for each class, is an increasingly important issue in the machine learning community. In recent years, increasing attention has been paid to the application of metric learning for classification, which has been proven to be a good way to obtain a promising performance. However, as a result of the limited training samples and data with complex distributions, the vast majority of these algorithms usually fail to perform well. This has motivated us to develop a novel locally adaptive maximum margin metric learning (LAM3L) algorithm in order to maximally separate similar and dissimilar classes, based on the changes between the distances before and after the maximum margin metric learning. The experimental results on two widely used UCI datasets and a real hyperspectral dataset demonstrate that the proposed method outperforms the state-of-the-art metric learning methods.
登录
查看更多内容
DOI：
10.1109/tsmcb.2010.2101593
发表时间：
2011-08
期刊：
IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics)
影响因子：
--
作者：
Fei Wang;Shouchun Chen;Changshui Zhang;Ta-Hsin Li
通讯作者：
Fei Wang;Shouchun Chen;Changshui Zhang;Ta-Hsin Li
基于随机选择的高光谱图像异常检测器
DOI：
10.1109/tgrs.2010.2081677
发表时间：
2011-05-01
影响因子：
8.2
作者：
Du, Bo;Zhang, Liangpei
通讯作者：
Zhang, Liangpei
DOI：
10.5555/2503308.2188386
发表时间：
2012
期刊：
J. Mach. Learn. Res.
影响因子：
--
作者：
Yiming Ying;Peng Li
通讯作者：
Yiming Ying;Peng Li
DOI：
--
发表时间：
1996
期刊：
--
影响因子：
--
作者：
C. Merz
通讯作者：
C. Merz
DOI：
10.1109/cvpr.2012.6247872
发表时间：
2012-04
期刊：
2012 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
Xi Li;Chunhua Shen;Javen Qinfeng Shi;A. Dick;A. Hengel
通讯作者：
Xi Li;Chunhua Shen;Javen Qinfeng Shi;A. Dick;A. Hengel