Learning Bregman Distance Functions and its Application for Semi-Supervised Clustering
Learning distance functions with side information plays a key role in many machine learning and data mining applications. Conventional approaches often assume a Mahalanobis distance function. These approaches are limited in two aspects: (i) they are computationally expensive (even infeasible) for hi...
محفوظ في:
المؤلفون الرئيسيون: | WU, Lei, JIN, Rong, HOI, Steven C. H., ZHU, Jianke, YU, Nenghai |
---|---|
التنسيق: | text |
اللغة: | English |
منشور في: |
Institutional Knowledge at Singapore Management University
2009
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://ink.library.smu.edu.sg/sis_research/2368 https://ink.library.smu.edu.sg/context/sis_research/article/3368/viewcontent/NIPS09_Bregman_CR_jin.pdf |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Learning Bregman distance functions for semi-supervised clustering
بواسطة: Wu, Lei., وآخرون
منشور في: (2013) -
Learning Bregman distance functions for semi-supervised clustering
بواسطة: Wu, Lei, وآخرون
منشور في: (2012) -
Semi-supervised distance metric learning for collaborative image retrieval and clustering
بواسطة: HOI, Steven C. H., وآخرون
منشور في: (2010) -
Semi-supervised ensemble ranking
بواسطة: HOI, Steven C. H., وآخرون
منشور في: (2008) -
Semi-supervised SVM batch mode active learning for image retrieval
بواسطة: HOI, Steven, وآخرون
منشور في: (2008)