基于最大间隔理论的组合距离学习算法

从已知数据集中学习距离度量在许多机器学习应用中都起着重要作用。传统的距离学习方法通常假定目标距离函数为马氏距离的形式,这使得学习出的距离度量在应用上具有局限性。提出了一种新的距离学习方法,将目标距离函数表示为若干候选距离的线性组合,依据最大间隔理论利用数据集的边信息学习得到组合距离中各距离分量的权值,从而得到新的距离度量。通过该距离度量在模糊C均值聚类算法中的表现来对其进行评价。在UCI数据集上,与其他已有的距离学习算法的对比实验结果证明了该文算法的有效性。

最大平均度量下的Bowen维数熵与测度下局部熵

熵是反映动力系统复杂性的一个非常重要的量.本文研究了平均意义下的动力系统的性质,对于最大平均度量,引入了Bowen维数熵以及测度下局部熵的概念.并研究了它们之间的关系,说明了在最大平均度量下,Bowen维数熵依然可以由测度下局部熵估计.