• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >Chi-Squared Distance Metric Learning for Histogram Data
【24h】

Chi-Squared Distance Metric Learning for Histogram Data

机译：直方图数据的卡方距离度量学习

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Learning a proper distance metric for histogram data plays a crucial role in many computer vision tasks. The chi-squared distance is a nonlinear metric and is widely used to compare histograms. In this paper, we show how to learn a general form of chi-squared distance based on the nearest neighbor model. In our method, the margin of sample is first defined with respect to the nearest hits (nearest neighbors from the same class) and the nearest misses (nearest neighbors from the different classes), and then the simplex-preserving linear transformation is trained by maximizing the margin while minimizing the distance between each sample and its nearest hits. With the iterative projected gradient method for optimization, we naturally introduce the l(2,1) norm regularization into the proposed method for sparse metric learning. Comparative studies with the state-of-the-art approaches on five real-world datasets verify the effectiveness of the proposed method.
机译：为直方图数据学习适当的距离度量标准在许多计算机视觉任务中起着至关重要的作用。卡方距离是一种非线性指标，被广泛用于比较直方图。在本文中，我们展示了如何基于最近邻模型学习卡方距离的一般形式。在我们的方法中，首先针对最近的匹配项（来自同一类别的最近邻居）和最近的未命中（来自不同类别的最近邻居）定义样本余量，然后通过最大化最大化来训练保留单纯形的线性变换边距，同时最小化每个样本与其最近的匹配之间的距离。使用迭代投影梯度法进行优化，我们自然将l（2,1）范数正则化引入了所提出的稀疏度量学习方法中。在五个真实世界的数据集上使用最新方法进行的比较研究证明了该方法的有效性。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2015年第7期|352849.1-352849.12|共12页
  • 作者

    Yang Wei; Xu Luhui; Chen Xiaopan; Zheng Fengbin; Liu Yang;

  • 作者单位

    Henan Univ, Sch Comp & Informat Engn, Lab Spatial Informat Proc, Kaifeng 475004, Peoples R China.;

    Shengda Trade Econ & Management Coll Zhengzhou, Dept Informat Engn, Zhengzhou 451191, Peoples R China.;

    Henan Univ, Sch Comp & Informat Engn, Lab Spatial Informat Proc, Kaifeng 475004, Peoples R China.;

    Henan Univ, Sch Comp & Informat Engn, Lab Spatial Informat Proc, Kaifeng 475004, Peoples R China.;

    Henan Univ, Sch Comp & Informat Engn, Lab Spatial Informat Proc, Kaifeng 475004, Peoples R China.;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号