基于最大间隔理论的组合距离学习算法

• 作者: 王士同 许小龙 郭瑛洁
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 距离学习 组合距离 最大间隔 FCM 模糊聚类 聚类算法 距离 学习算法
• 年，卷（期）: 2015,（6）
• 页码范围: 843-850
• 页数: 8页
• 分类号: TP181
• 字数: 5854字
• 语种: 中文
• DOI: 10.11992/tis.201504027

摘要

从已知数据集中学习距离度量在许多机器学习应用中都起着重要作用. 传统的距离学习方法通常假定目标距离函数为马氏距离的形式,这使得学习出的距离度量在应用上具有局限性. 提出了一种新的距离学习方法,将目标距离函数表示为若干候选距离的线性组合,依据最大间隔理论利用数据集的边信息学习得到组合距离中各距离分量的权值,从而得到新的距离度量. 通过该距离度量在模糊C均值聚类算法中的表现来对其进行评价. 在UCI数据集上,与其他已有的距离学习算法的对比实验结果证明了该文算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	郭瑛洁	江南大学数字媒体学院	2	3	1.0	1.0
3	许小龙	江南大学数字媒体学院	5	4	1.0	1.0