基于维度约束的距离测度学习算法

来源：华东师范大学学报·哲学社会科学版杂志2017年第2期北京时间：

作者：房娟, 刘洪英, 李庆利

单位：房娟,女,硕士研究生,研究方向为多维信息处理.E-mail:fjoanna@126.com

摘要：为提高分类精度，通过距离测度学习可以得到样本在新的特征空间里新的表示.针对马氏距离未考虑不同类别样本维度间相关性存在差异这一缺陷，提出了一种新的有监督的距离测度学习算法，即独立-差别分量分析方法（Independent Discrimi-Native Component Analysis，I-DCA），并将其运用于基于k近邻分类器的运动神经与感觉神经分类中.作为对照，还详细分析了已有的相关分量分析方法（Relevant Component Analysis，RCA）和差别分量分析方法（Discrimi-Native Component Analysis，DCA）这两种距离测度学习算法.实验结果表明，改进算法的分类精度相较于马氏距离提高了近45%相较于RCA与DCA也提高了15%左右，分类精度的提高说明了改进算法的有效性.

关键词：距离测度学习,有监督学习,k近邻分类,显微高光谱,神经分类,

基金资助：国家自然科学基金（61240006）