Metric learning with geometric mean for similarities measurement
Metric learning with geometric mean for similarities measurement
复制标题
使用几何平均值进行度量学习以进行相似性测量
DOI：
10.1007/s00500-015-1985-x
复制
发表时间：
2015-12
期刊：
影响因子：
4.1
通讯作者：
Liu Yang
中科院分区：
文献类型：
--
作者：
Wang Huibing;Feng Lin;Liu Yang
距离度量学习的目的是寻找合适的方法来度量样本之间的相似性。一个优秀的距离度量可以极大地提高许多机器学习算法的性能。在这一领域，以往的方法主要集中在寻找利用大余量准则同时优化紧性和可分性的度量。这些方法的一个主要缺点是，当样本分布极不平衡时，它们不能平衡所有的类间散点。大边际准则倾向于保留较大的散点，而放弃较小的散点，使总散点最大化。本文引入了一种正则化的度量学习框架，即几何均值度量学习，利用几何均值获得距离度量。该方法平衡了所有类间散点，同时分离了不同类别的样本。在各种基准数据集上的实验表明，该方法具有良好的性能。
Distance metric learning aims to find an appropriate method to measure similarities between samples. An excellent distance metric can greatly improve the performance of many machine learning algorithms. Most previous methods in this area have focused on finding metrics which utilize large-margin criterion to optimize compactness and separability simultaneously. One major shortcoming of these methods is their failure to balance all between-class scatters when the distributions of samples are extremely unbalanced. Large-margin criterion tends to maintain bigger scatters while abandoning those smaller ones to make the total scatters maximized. In this paper, we introduce a regularized metric learning framework, metric learning with geometric mean which obtains a distance metric using geometric mean. The novel method balances all between-class scatters and separates samples from different classes simultaneously. Various experiments on benchmark datasets show the good performance of the novel method.
登录
查看更多内容
影响因子：
3.7
作者：
M. Timmerman
通讯作者：
M. Timmerman
DOI：
--
发表时间：
2007
期刊：
--
影响因子：
--
作者：
ComponentAnalysisNoam Shental;T. Hertz;D. Weinshall;M. Pavel
通讯作者：
ComponentAnalysisNoam Shental;T. Hertz;D. Weinshall;M. Pavel
影响因子：
3.2
作者：
Abdi, Herve;Williams, Lynne J.
通讯作者：
Williams, Lynne J.
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
DOI：
10.1007/978-1-4471-0285-4
发表时间：
2012-10
期刊：
--
影响因子：
--
作者：
Shigeo Abe DrEng
通讯作者：
Shigeo Abe DrEng