混雜數據的多核幾何平均度量學習
大小：0.91 MB 人氣：0 2017-12-25 需要積分：3
標簽：幾何(12294)
在機器學習和模式識別任務中，選擇一種合適的距離度量方法是至關重要的，度量學習主要利用判別性信息學習一個馬氏距離或相似性度量．然而，大多數現有的度量學習方法都是針對數值型數據的，對于一些有結構的數據（比如符號型數據），用傳統的距離度量來度量兩個對象之間的相似性是不合理的；其次，大多數度量學習方法會受到維度的困擾，高維度使得訓練時間長。模型的可擴展性差．提出了一種基于幾何平均的混雜數據度量學習方法．采用不同的核函數將數值型數據和符號型數據分別映射到可再生核希爾伯特空間，從而避免了特征的高維度帶來的負面影響．同時。提出了一個基于幾何平均的多核度量學習模型。將混雜數據的度量學習問題轉化為求黎曼流形上兩個點的中心點問題．在UCI數據集上的實驗結果表明。針對混雜數據的多核度量學習方法與現有的度量學習方法相比。在準確性方面展現出更優異的性能．
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
混雜數據的多核幾何平均度量學習下載
相關電子資料下載
- 精準測量第一步：如何選擇合適的幾何尺寸測量儀器？ 103
- 自動化生產中的精密幾何量測量：三坐標測量機的應用 1054
- 機床的幾何精度什么和什么時是有區別的 335
- 數控機床的幾何精度是表明所測量的什么 298
- WD4000系列晶圓幾何量測系統：全面支持半導體制造工藝量測，保障晶圓制造工藝 427
- 速銳得深入解析吉利幾何CAN總線數據通信網絡的拓撲層級框架技術 240
- 幾何E螢火蟲電動SUV正式上市，起售價5.98萬元 332
- 幾何E螢火蟲301KM龍騰版純電SUV，起售價5.98萬元 409
- 精準制勝，WD4000無圖晶圓幾何量測系統為高質量晶圓生產保駕護航 395
- “芯”動未來,無圖晶圓幾何量測系統提升半導體競爭力 532