距離測度學習簡介

課程：論文研討(一)

日期：2012.12.21

時間：13:50 ~ 15:30

地點：S104

作者：資工研一　李依蓉

講者：國立台灣海洋大學資訊工程學系 張欽圳

講題：Introduction to Distance Metric Learning

       在這次的演講中，海大的張欽圳老師以距離測度學習（distance metric learning）為主題，對這方面的應用方向、發展狀況等做了詳細的介紹。

       距離測度即衡量多個樣本之間距離的大小，最常見的是度量空間中的歐氏距離、曼哈頓距離等。但是對於其他類型的多維度數據，由於每個維度的貢獻程度不同、提取維度的量綱有差異等原因，就需要依據數據的特性，採用維度的旋轉等方式來較為準確的表示各自的距離。

       對集合中物體距離的衡量主要分為兩個方面：全局距離測度與局部距離測度。全局距離測度能夠對物體的大類進行區分，但是無法更細緻的切分細類；因此，在這樣的測度后主要產生「不可以的鏈接」,也即不同大類的物體不能被分到一類。局部距離測度主要用在對細類的切分上，因此這種測度主要產生「必須有的鏈接」，也即同一細類的物體應該被劃分到同一類中。

   在應用方面，距離測度可以被使用在人臉識別、物體識別、音樂的相似性、手寫識別等領域。此外，在很多機器學習方法如K近鄰、支持向量機、徑向基函數網路等方法中，選擇一個好的距離測度方式也能提升模型的學習結果。