标准——重叠率,详细介绍了逐级度量第四章距离度量学习在线性判别分析上的应用——基于逐级度量学习的步骤。通过多组人工数据和实际数据的实验证明算法的有效性。学习的多视角线性判别。简单介绍了基于逐级度量学习的线性判别,详细分析了多视角的线性判别,最后给出了基于逐级度量学习的多视角线性判别分析,通过多组人工数据和实际数据的实验证明算法的有效性。第五章总结和展望。对全文工作进行总结,指出现有工作的局限性以及有待提高和改进的方面。华东师范大学硕士学位论文距离度量学习的理论与算法研究Р第禄诼硎暇嗬氲暮嘶毓使损失三啤滓换最小。∑假设有这样一组数据,,Γ,矗,...,Γ普通的回归模型核回归归目标是找出估计函数乃,.咒·乃一口V灰%。咒一所,×尺,标准的回真实的交通流量网络中,当前时刻的流量和上一时刻的流量密切相关。如果把这种关系看成是一种线性关系,某个地点的当前流量可以通过它前几个时刻的流量来预测:只表示预测得到的某地在笨痰牧髁恐担湟唤攀枪ゼ父鍪笨痰恼实流量值。我们的目标是求出参数停琣闹怠<尤ㄆ骄ㄊ且恢殖S美垂计琣サ闹档姆椒ǎ拇笮∮蓎,...,凰与当前真实流量咒的相似程度决定。相似程度越大对应的权值越大。核回归应用于预测时,也与上文提到的加权平均类似。和被预测值相似程度‘’—畐哦华东师范大学硕士学位论文距离度量学习的理论与算法研究Р乃ミ笠罡名一琲一巧’彳猧尼彳∑‘%∑毛么防鯿,彳卜后三,后卜后亿以琲莍,涞木嗬耄A朔奖慵扑悖⑷∥。传统的核函数用的都是.马氏度量学习:瑂越大的样本,对应的核函数的值越大,公式.可以表示为:取高斯核函数作为核函数:欧式距离。马氏距离较欧式距离能更好的表现时序数据的内部结构,使更多的权重加在关键的因素上,用马氏距离替代欧式距离将会使传统的回归模型更加精确。马氏距离的定义如下:使用梯度下降法【求解步骤如下:叩,霓琹华东师范大学硕士学位论文距离度量学习的理论与算法研究·●
全文预览
