基于距离的图像分类：生成式分类困境的一种解法？

大多数分类器依赖于将每类实例与其余一切分离的判别边界。我们认为判别边界有违直觉，因为它们以“非其所是”来定义语义，应被以“其所是”定义语义的生成式分类器取代。遗憾的是，生成式分类器准确率明显更低。这可能是由于生成模型倾向于关注易于建模的语义生成因子，而忽略重要但难以建模的非语义因子。我们提出一种新的生成模型，其中语义因子由壳层理论的分层生成过程容纳，非语义因子由实例特定噪声项容纳。我们利用该模型开发了一种分类方案，在保留语义线索的同时抑制噪声影响。结果是一个出人意料准确的生成式分类器，其形式为改进的近邻算法；我们称之为距离分类。与判别分类器不同，距离分类器：以“其所是”定义语义；支持增量更新；且随类别数良好扩展。