每个空间的任意两个样本之间可以定义一个距离测度,在寻找合适的描述空间时就是找到一个合适的距离测度,因此,测度学习的一般定义为:找到描述任意两个样本之间的马氏距离测度,其中M必须是对称且正定的,称为测度矩阵。
总的来说,如下图所示,马氏距离测度学习主要目的是求取一个半正定对称矩阵M来建立不同特征向量之间的关系,选择合适的损失函数和约束条件进行优化求解,使得训练样本的相似关系得以保留,即同类别样本关系更加紧密,不同类别样本更加疏远。
每个空间的任意两个样本之间可以定义一个距离测度,在寻找合适的描述空间时就是找到一个合适的距离测度,因此,测度学习的一般定义为:找到描述任意两个样本之间的马氏距离测度,其中M必须是对称且正定的,称为测度矩阵。
总的来说,如下图所示,马氏距离测度学习主要目的是求取一个半正定对称矩阵M来建立不同特征向量之间的关系,选择合适的损失函数和约束条件进行优化求解,使得训练样本的相似关系得以保留,即同类别样本关系更加紧密,不同类别样本更加疏远。