机译:基于Softmax的特征与基于距离度量学习的特征的意义
Univ Tokyo Dept Informat & Commun Engn Bunkyo Ku Tokyo 1338656 Japan;
Univ Tokyo Dept Informat & Commun Engn Bunkyo Ku Tokyo 1338656 Japan;
Univ Tokyo Dept Informat & Commun Engn Bunkyo Ku Tokyo 1338656 Japan;
Feature extraction; Measurement; Principal component analysis; Dimensionality reduction; Network architecture; Automobiles; Task analysis; Deep learning; distance metric learning; classification; retrieval;
机译:基于距离度量学习的内核语法矩阵学习,用于内核特征空间中的模式分析任务
机译:使用水平集功能比较CBIR的欧氏距离度量和SVM
机译:通过特征空间来减少强大的维数,以具有空间距离度量学习
机译:深度度量学习良好代表特征的重要性
机译:高维生物信息学数据中最近邻距离的特征选择的新特性和理论特性
机译:距离分布的理论特性和最近邻邻特征选择的新颖度量
机译:基于Softmax的特征与基于距离度量学习的特征的意义
机译:利用LaNDsaT图像得到的光谱和空间特征评估熵和Jm距离准则作为特征选择方法