学习中的结构相似性和距离
摘要：引入结构化的相似度和距离度量方法来为现有的机器学习技术引入结构。通过解决非线性低秩表示问题，我们学习到了数据的低维结构信息。我们展示了这种低秩表示可以进行核化，具有闭式解，能够分离独立的流形，并且对噪声具有鲁棒性。从这个表示中，根据非线性结构计算观测之间的相似性，并将其纳入现有的特征变换、降维技术和机器学习方法中。在合成和真实数据集上的实验结果表明，通过使用结构化相似性，可以提高聚类和异常检测的性能。
作者：Joseph Wang, Venkatesh Saligrama, David A. Casta~n''on
论文ID：1110.5847
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-10-27