论文部分内容阅读
很多机器学习算法（比如K近邻算法），学习的效果非常依赖于输入数据的距离度量，距离度量学习的主要目标是通过训练样本学习出一个能够更有效反映样本空间的距离函数，在此距离函数下，同类样本具有较近的距离，异类样本具有较远的距离。对近年来基于监督的距离度量学习方法的基本思想和算法进行了研究，并对当前距离度量学习的热点进行了介绍。