کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6863547 | 1439515 | 2018 | 25 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Semi-supervised metric learning in stratified spaces via intergrating local constraints and information-theoretic non-local constraints
ترجمه فارسی عنوان
یادگیری متریک نیمه نظارتی در فضاهای طبقه بندی شده از طریق محدودیت های محلی و محدودیت های غیر محلی نظریه اطلاعات
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
الگوریتم پیشنهادی مبتنی بر رفتار متفاوت لاپلایان عمل تکه تکه ای صاف در چند منیفولد در محدوده نقاط غیر داخلی منیفولد ها در مقایسه با نقاط داخلی منیفولد است. آزمایشات بر روی مجموعه داده های مصنوعی و واقعی نشان می دهد که روش یادگیری متریک پیشنهادی از بسیاری از روش های یادگیری متریک پیشرفته برخوردار است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
The proposed algorithm is based on different behavior of Laplacian of piecewise-smooth function on multi manifolds in the neighborhood of non-interior points of the manifolds as compared with interior points of the manifolds. Experiments on artificial and real benchmark data sets demonstrate that the proposed metric learning method outperforms many state-of-the-art metric learning methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 312, 27 October 2018, Pages 165-176
Journal: Neurocomputing - Volume 312, 27 October 2018, Pages 165-176
نویسندگان
Zohre Karimi, Saeed Shiry Ghidary,