距離度量學習及其在圖像和視頻分類中的應用.pdf

1、隨著互聯(lián)網(wǎng)上圖像、視頻等資源的快速增長，其承載信息也趨向于多樣化，網(wǎng)絡信息的收集和分析變得越來越重要。因此如何對網(wǎng)絡上圖像和視頻信息進行分類成為一個亟待解決的問題，而解決該類問題的關鍵則在于如何學習到適合處理大規(guī)模數(shù)據(jù)間相似度的度量方式。距離度量學習是一種研究樣本之間的距離度量模型的算法，使得經(jīng)過度量后的樣本滿足同類別樣本之間的距離更近，而不同類別樣本之間的距離更遠。近年來，距離度量學習在機器學習、模式識別和目標分類等領域都有了較成功的

2、應用。因此，研究樣本之間的距離度量學習已經(jīng)成為了圖像和視頻分類等領域的研究核心和熱點問題。
　　本文首先在廣泛調研文獻的基礎上總結了現(xiàn)存的距離度量學習算法，并介紹了幾種常用的經(jīng)典距離度量學習算法。其次結合現(xiàn)存度量學習應用中存在樣本維度較高且特征不純粹等特點，提出了一種基于低秩的距離度量學習算法，該算法學習一種低秩的度量矩陣將數(shù)據(jù)從原特征樣本映射到一個更低維度的特征空間，在進行度量學習的同時對數(shù)據(jù)樣本進行降維，有利于改進目標分類和人