距离度量学习算法的精确性研究

摘要：

距离度量学习是机器学习领域较为活跃的研究课题之一,文中利用UCI(加州大学欧文分校)数据库的数据对度量学习算法进行比较研究.为了寻找一种可靠的没有明确定义标志的算法,选择四种算法在UCI的六个数据集上对距离矩阵进行比较.每个样本数据集的性质(尺寸和维度)是不同的,因此算法的结果也不同.编码相似度算法在大多数情况下表现良好.在未来的实际应用领域,对于提高无标记数据和相似集的距离度量学习算法的精确性提供了研究基础.

关键词：距离度量学习、机器学习、距离矩阵、马氏距离、UCI数据库、比较研究

所属期刊栏目：42

分类号：TN911.1-34;G231.5

资助基金：江苏省高等学校自然科学研究项目19KJB520026,18KJB520008;江苏省教育科学"十三五规划"2016年度青年专项课题C-b/2016/03/25;江苏开放大学"十三五规划 "2016年度重点研究课题16SSW-Z-003

在线出版日期：2019-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：150-153