距離度量學(xué)習(xí)及其在圖像和視頻分類中的應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)上圖像、視頻等資源的快速增長，其承載信息也趨向于多樣化，網(wǎng)絡(luò)信息的收集和分析變得越來越重要。因此如何對(duì)網(wǎng)絡(luò)上圖像和視頻信息進(jìn)行分類成為一個(gè)亟待解決的問題，而解決該類問題的關(guān)鍵則在于如何學(xué)習(xí)到適合處理大規(guī)模數(shù)據(jù)間相似度的度量方式。距離度量學(xué)習(xí)是一種研究樣本之間的距離度量模型的算法，使得經(jīng)過度量后的樣本滿足同類別樣本之間的距離更近，而不同類別樣本之間的距離更遠(yuǎn)。近年來，距離度量學(xué)習(xí)在機(jī)器學(xué)習(xí)、模式識(shí)別和目標(biāo)分類等領(lǐng)域都有了較成功的

2、應(yīng)用。因此，研究樣本之間的距離度量學(xué)習(xí)已經(jīng)成為了圖像和視頻分類等領(lǐng)域的研究核心和熱點(diǎn)問題。
　　本文首先在廣泛調(diào)研文獻(xiàn)的基礎(chǔ)上總結(jié)了現(xiàn)存的距離度量學(xué)習(xí)算法，并介紹了幾種常用的經(jīng)典距離度量學(xué)習(xí)算法。其次結(jié)合現(xiàn)存度量學(xué)習(xí)應(yīng)用中存在樣本維度較高且特征不純粹等特點(diǎn)，提出了一種基于低秩的距離度量學(xué)習(xí)算法，該算法學(xué)習(xí)一種低秩的度量矩陣將數(shù)據(jù)從原特征樣本映射到一個(gè)更低維度的特征空間，在進(jìn)行度量學(xué)習(xí)的同時(shí)對(duì)數(shù)據(jù)樣本進(jìn)行降維，有利于改進(jìn)目標(biāo)分類和人