基于凸代价函数的余弦相似度度量
机器学习
2014-10-23 v1
摘要
本文描述了一种与凸代价函数相关联的新向量相似度度量。给定两个向量，我们确定凸函数在这两个向量处的表面法向量。这两个表面法向量之间的夹角即为相似度度量。凸代价函数可以是负熵函数、全变差 (TV) 函数以及滤波变差函数。凸代价函数不必处处可微。通常，我们需要计算代价函数的梯度以得到表面法向量。若梯度在给定向量处不存在，则可使用次梯度，并选取使得两向量间夹角最小的那个法向量来计算相似度度量。
引用
@article{arxiv.1410.6093,
title = {Cosine Similarity Measure According to a Convex Cost Function},
author = {Osman Gunay and Cem Emre Akbas and A. Enis Cetin},
journal= {arXiv preprint arXiv:1410.6093},
year = {2014}
}