对抗样本三元组约束的度量学习算法

• 作者: 王鑫 郭鑫垚 魏巍 梁吉业
• 来源期刊: 智能系统学报
• 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
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 机器学习|Machine Learning
• 页码范围: 30-37
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11992/tis.202009050

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.