Institutional Repository of Chinese Acad Sci, Inst Automat, Res Ctr Precis Sensing & Control, Beijing 100190, Peoples R China
非贪婪的鲁棒性度量学习算法 | |
曾凡霞1,2; 张文生1,2 | |
发表期刊 | 中国图象图形学报 |
2020-09 | |
卷号 | 25期号:9页码:1825-1836 |
摘要 | 度量学习是机器学习与图像处理中依赖于任务的基础研究问题。由于实际应用背景复杂,在大量不可避免的噪声环境下,度量学习方法的性能受到一定影响。为了降低噪声影响,现有方法常用L1 距离取代L2距离,这种方式可以同时减小相似样本和不相似样本的损失尺度,却忽略了噪声对类内和类间样本的不同影响。为此,本文提出了一种非贪婪的鲁棒性度量学习算法———基于L2 /L1 损失的边缘费歇尔分析( marginal Fisher analysis based on L2 /L1 loss,MFA-L2 /L1) ,采用更具判别性的损失,可提升噪声环境下的识别性能。方法在边缘费歇尔分析( marginal Fisher analysis,MFA) 方法的基础上,所提模型采用L2 距离刻画相似样本损失、L1 距离刻画不相似样本损失,同时加大对两类样本的惩罚程度以提升方法的判别性。首先,针对模型非凸带来的求解困难,将目标函数转为迭代两个凸函数之差便于求解; 然后,受DCA( difference of convex functions algorithm) 思想启发,推导出非贪婪的迭代求解算法,求得最终度量矩阵; 最后,算法的理论证明保证了迭代算法的收敛性。结果在5 个UCI |
关键词 | 距离度量学习 鲁棒性 非贪婪算法 边缘费歇尔分析( MFA) 分类识别 L2 /L1 损失 |
语种 | 中文 |
七大方向——子方向分类 | 机器学习 |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/40559 |
专题 | 精密感知与控制研究中心_人工智能与机器学习 |
通讯作者 | 张文生 |
作者单位 | 1.中国科学院自动化研究所 2.中国科学院大学 |
第一作者单位 | 中国科学院自动化研究所 |
通讯作者单位 | 中国科学院自动化研究所 |
推荐引用方式 GB/T 7714 | 曾凡霞,张文生. 非贪婪的鲁棒性度量学习算法[J]. 中国图象图形学报,2020,25(9):1825-1836. |
APA | 曾凡霞,&张文生.(2020).非贪婪的鲁棒性度量学习算法.中国图象图形学报,25(9),1825-1836. |
MLA | 曾凡霞,et al."非贪婪的鲁棒性度量学习算法".中国图象图形学报 25.9(2020):1825-1836. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
非贪婪的鲁棒性度量学习算法_曾凡霞.pd(2035KB) | 期刊论文 | 作者接受稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[曾凡霞]的文章 |
[张文生]的文章 |
百度学术 |
百度学术中相似的文章 |
[曾凡霞]的文章 |
[张文生]的文章 |
必应学术 |
必应学术中相似的文章 |
[曾凡霞]的文章 |
[张文生]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论