学习局部不变马氏距离
机器学习
2015-07-28 v1 机器学习
摘要
对于许多任务和数据类型，存在数据应对其保持不变或不敏感的自然变换。例如，在视觉识别中，自然图像应对旋转和平移不敏感。这一要求及其影响在许多机器学习应用中一直很重要，而对图像变换的容忍度主要通过使用鲁棒特征向量来实现。在本文中，我们提出了一种新颖且计算高效的方法来为每个数据点学习一个局部马氏度量，并展示了如何学习一个对任意变换保持不变的局部度量，以提高性能。
引用
@article{arxiv.1502.01176,
title = {Learning Local Invariant Mahalanobis Distances},
author = {Ethan Fetaya and Shimon Ullman},
journal= {arXiv preprint arXiv:1502.01176},
year = {2015}
}