-
公开(公告)号：CN108805189A
公开(公告)日：2018-11-13
申请号：CN201810537508.3
申请日：2018-05-30
Applicant: 大连理工大学
IPC: G06K9/62
CPC classification number: G06K9/6247 , G06K9/6215
Abstract: 本发明公开了一种基于KL散度的多视角距离度量学习方法。首先，将多个视角下维数不同的特征映射进同一维数的子空间内；其次，在不同视角下，利用KL散度定义各视角下距离度量与统一的距离度量所构造样本间相似性的差异；再次，最大化各个视角下不同类样本间距离的同时，使得各个视角下距离度量与统一的距离度量构造样本间相似性差异尽可能小，通过两个约束条件，使各个视角下同类样本间距离小于一个常数，不同类样本间距离大于一个常数；最后，求得各个视角下最优的距离度量矩阵。本方法充分考虑了多个视角下样本特征信息，将其融入统一的距离度量学习框架下进行学习，获得各个视角下最优的距离度量矩阵，更恰当的衡量了样本间相似性。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
