度量学习 是指 距离度量学习,Distance Metric Learning,简称为 DML,做过人脸识别的童鞋想必对这个概念不陌生,度量学习是Eric Xing在NIPS 2002提出。
这并不是个新词,说的直白一点,metric learning 是通过特征变换得到特征子空间,通过使用度量学习,让类似的目标距离更近(PULL),不同的目标距离更远(push),也就是说,度量学习需要得到目标的某些核心特征(特点),比如区分两个人,2只眼睛1个鼻子-这是共性,柳叶弯眉樱桃口-这是特点。
我们可以把 度量学习分为两种,一种是基于监督学习的,另外一种是基于非监督学习的。
一. 监督学习
1)LDA Fisher线性判别
2)Local LDA
Local Linear Discriminative Analysis
3)RCA 相关成分分析
Relevant Component Analysis
4)LPP 局部保留投影
Locality Preserving Projection
5)LMNN 大间隔最近邻