对抗样本三元组约束的度量学习算法

摘要：

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.

关键词：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

所属期刊栏目：16

分类号：TP181(自动化基础理论)

资助基金：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

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：30-37