[发明专利]基于聚类及全局/局部距离综合的多重度量学习方法在审
| 申请号： | 201811477231.6 | 申请日： | 2018-12-05 |
| 公开（公告）号： | CN109840466A | 公开（公告）日： | 2019-06-04 |
| 发明（设计）人： | 傅予力;张隆琴;赖凯敏;向友君 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06K9/66 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于聚类及全局/局部距离综合的多重度量学习方法，该多重度量学习方法包括：对训练样本集进行K‑Means聚类及构建三元组集合，根据三元组第一个样本的聚类标记将三元组聚成K簇；利用折页损失函数和随机梯度下降法，同时学习K+1个距离度量，包括一个全局距离度量和K个簇内局部距离度量；对需要分类的样本，计算样本所属聚类标记，在该聚类下利用最近邻方法获得测试样本的分类结果。在学习和分类过程中，两个样本的距离由全局距离度量和局部距离度量综合表示，从全局特征和局部特征两个方面更好的表达两个样本之间的距离，从而提高分类的准确度。 | ||
| 搜索关键词： | 度量 聚类 局部距离 样本 全局距离 三元组 学习 随机梯度下降法 折页 三元组集合 训练样本集 测试样本 分类过程 分类结果 局部特征 距离度量 全局特征 损失函数 准确度 最近邻 分类 构建 全局 | ||
【主权项】：
1.一种基于聚类及全局/局部距离综合的多重度量学习方法，其特征在于，所述的多重度量学习方法包括以下步骤：对训练样本进行K‑Means聚类并构建三元组集合；将样本x和任一样本y的距离由全局距离度量和局部距离度量综合表示；同时学习K+1个距离度量，包括1个全局距离度量和K个局部距离度量；对输入的测试样本，计算样本所属聚类标记，再在该聚类的训练样本集中利用最近邻方法计算测试样本的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811477231.6/，转载请声明来源钻瓜专利网。
- 上一篇：识别图像中的文本的电子装置
- 下一篇：一种活体检测方法及系统
