. DistanceMetricLearning-basedNearestNeighborClassificationwith alarge margin.

大边距最近邻分类的距离度量学习

Weinberger K Q . Distance Metric Learning for Large Margin Nearest Neighbor Classification[J]. NIPS, 2005.

摘要

度量学习的核心目标在于确保k个最近邻样本始终归属于相同类别，同时显著扩大不同类别样本之间的间隔距离。

该方法无需进行额外调整即可应对多分类问题

1 引言

kNN分类器在处理未标记样本时，其分类机制依赖于训练集中与其最为接近的k个样本进行投票决策，因此该分类器的表现效果与其所采用的距离度量方式密切相关。

一般情况下，kNN分类器倾向于使用欧氏距离作为衡量样本间相似性的标准，但这种距离计算方式并未考虑训练集内部的数据分布特征与统计属性。

已有研究指出，通过从已标注样本中学习得到的距离度量方法，可以有效提升kNN分类器的识别能力。

本研究提出了一种适用