基于矩阵正态分布似然比测试的矩阵度量学习算法

摘要：

本研究基于KISS(keep it simple and stupid)算法,利用似然比测试直接为矩阵模式定义度量,解决了现有大多数度量学习算法需要经过复杂优化过程的问题.通过在似然比测试中有目的地引入矩阵正态分布,该度量无需将矩阵模式通过向量化的方法变成向量模式,因而具有如下优点:(1)能够避免维数灾难;(2)比KISS更鲁棒;(3)无需计算大矩阵的逆和特征值分解,因此计算远快于KISS算法.最终的实验验证了该算法的优势.

关键词： 机器学习 矩阵度量学习算法 正态分布 似然比测试 向量模式

作者: 钱强 陈松灿

作者单位: 南京航空航天大学计算机科学与技术学院,江苏南京210016

会议类型: 国内会议

会议名称: 2012年江苏省人工智能学术会议

会议地点: 连云港

会议语种:中文

页码: 37-42

在线出版日期: 2012-10-17（万方平台首次上网日期，不代表论文的发表时间）