基于样本对加权和选择的黎曼流形度量学习

符号对照表

第1章 绪论

1.1 研究背景及研究目的

1.2 国内外研究现状及分析

1.2.1 距离度量学习

1.2.2 黎曼流形度量学习

1.3 问题和挑战

1.4 本文主要研究内容工作

1.5 本文组织结构

第2章 相关工作

2.1 传统度量学习方法

2.2 黎曼流形度量学习方法

2.2.1 广义高效的黎曼流形度量学习（RMML）

2.2.2 格拉斯曼流形上的投影度量学习（PML）

2.2.3 对数欧几里德度量学习（LEML）

2.3 高斯分布的距离度量方法

2.4 样本选择策略

2.4.1 课程学习（Curriculum Learning）

2.4.2 自步学习(Self-paced Learning)

2.4.3 主动学习(Active Learning)

2.5 本章小结

第3章 基于高斯分布的黎曼流形上联合度量学习

3.1 引言

3.2 模型的建立

3.3 模型求解及优化

3.4 实验设置

3.4.1 数据集

3.4.2 对比方法

3.4.3 实验参数及时间复杂度分析

3.5 实验结果和分析

3.6 本章小节

第4章 基于人机协同的黎曼流形上的度量学习

4.1 引言

4.2 模型的建立

4.3 实验设置

4.3.1 数据介绍

4.3.2 参数设置

4.4 实验结果和分析

4.5 本章小节

第5章 总结与展望

参考文献

发表论文和参加科研情况说明

致谢