基于维度约束的距离测度学习算法

• 作者: 刘洪英 房娟 李庆利
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 距离测度学习 有监督学习 k近邻分类 显微高光谱 神经分类
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 69-74,88
• 页数: 7页
• 分类号: TP181
• 字数: 3949字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2017.02.009

摘要

为提高分类精度,通过距离测度学习可以得到样本在新的特征空间里新的表示.针对马氏距离未考虑不同类别样本维度间相关性存在差异这一缺陷,提出了一种新的有监督的距离测度学习算法,即独立-差别分量分析方法(Independent Discrimi-Native Component Analysis,I-DCA),并将其运用于基于k近邻分类器的运动神经与感觉神经分类中.作为对照,还详细分析了已有的相关分量分析方法(Relevant Component Analysis,RCA)和差别分量分析方法(Discrimi-Native Component Analysis,DCA)这两种距离测度学习算法.实验结果表明,改进算法的分类精度相较于马氏距离提高了近45％,相较于RCA与DCA也提高了15％左右,分类精度的提高说明了改进算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李庆利	华东师范大学信息与科学技术学院上海市多维度信息处理重点实验室	22	168	8.0	12.0
2	房娟	华东师范大学信息与科学技术学院上海市多维度信息处理重点实验室	2	9	1.0	2.0
3	刘洪英	华东师范大学信息与科学技术学院上海市多维度信息处理重点实验室	11	56	5.0	7.0