对抗样本三元组约束的度量学习算法
针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learn-ing algorithm with adversarial sample triples constraints,ASTCML).实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能.
机器学习、度量学习、三元组约束、对抗训练、马氏距离、样本扰动、凸优化、梯度下降
16
TP181(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;山西省重点研发计划项目;山西省工程项目
2021-06-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
30-37