基于聚类及全局/局部距离综合的多重度量学习方法

摘要

本发明公开了一种基于聚类及全局/局部距离综合的多重度量学习方法，该多重度量学习方法包括：对训练样本集进行K‑Means聚类及构建三元组集合，根据三元组第一个样本的聚类标记将三元组聚成K簇；利用折页损失函数和随机梯度下降法，同时学习K+1个距离度量，包括一个全局距离度量和K个簇内局部距离度量；对需要分类的样本，计算样本所属聚类标记，在该聚类下利用最近邻方法获得测试样本的分类结果。在学习和分类过程中，两个样本的距离由全局距离度量和局部距离度量综合表示，从全局特征和局部特征两个方面更好的表达两个样本之间的距离，从而提高分类的准确度。