BriefGPT.xyz
Feb, 2017
示例中心的监督浅层参数数据嵌入
Exemplar-Centered Supervised Shallow Parametric Data Embedding
HTML
PDF
Martin Renqiang Min, Hongyu Guo, Dongjin Song
TL;DR
我们提出了一个基于最大坍塌度度量学习(MCML)目标的标本中心监督浅层参数化数据嵌入模型,它可以在训练和测试时具有线性计算复杂度,并可以通过使用学习或预计算的样本来将测试数据与所有训练数据点作比较。对于二维嵌入空间的分类,我们的方法不仅可以将kNN的速度提升数百倍,而且还优于最先进的监督嵌入方法。
Abstract
metric learning
methods for
dimensionality reduction
in combination with k-Nearest Neighbors (kNN) have been extensively deployed in many classification, data embedding, and information retrieval applications. Ho
→