{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,7,22]]，“日期-时间”：“2024-07-22T16:42:01Z”，“时间戳”：1721666521386}，“引用-计数”：0，“发布者”：“人工智能发展协会（AAAI）”，“问题”：“1”，“内容域”：{“域”：[]，“交叉标记限制”：false}，“short container-title”：[“AAAI”]，“抽象”：“\以测量多对多距离为目标的地球移动器距离（EMD）已显示出其优越性，并被广泛应用于计算机视觉任务，如物体识别、高光谱图像分类和手势识别。然而，仍然没有集中精力优化EMD度量以获得更好的匹配性能。为了解决这个问题，本文提出了一种EMD度量学习算法。在我们的方法中，目标是学习用于生成EMD地面距离矩阵的判别距离度量，该度量可以更好地度量比较对象之间的相似性。更具体地说，给定一组来自不同类别的标记数据，我们首先选择训练数据的子集，然后优化用于生成地面距离矩阵的度量。这里，EMD度量和EMD流网络交替优化，直到达到稳定的EMD值。该方法能够生成一个有区别的地面距离矩阵，从而进一步改进EMD距离测量。然后，我们将EMD度量学习方法应用于两个任务，即多视图对象分类和文档分类。实验结果表明，与传统EMD方法和最新方法相比，本文提出的EMD度量学习方法具有更好的性能。值得注意的是，所提出的EMD度量学习方法也可以用于其他应用。\n\n<\/jats:p>“，”DOI“：”10.1609\/aaai.v32i1.11703“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,6,24]]，”date-time“：”2022-06-24T21:08:34Z“，”timestamp“：1656104914000}，”source“：“Crossref”，”is-referenced-by-count“：5，”title“：[”EMD Metric Learning“]，”prefix“：”101609“，”volume“:”32“，”作者“：[{”给定“：”子赵“，”家庭“：”张“，”sequence”：“first”，“affiliation”：[]｝，{“given”：“Yubo”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[]｝，{“given”：“Zhang”，“sequence”：“additional”，“affiliation”：[]｝，{“given”：“岳”，“family”：“Gao”，“sequence”：“additional”，“affiliation”：[]｝，“member”：“9382”，“在线发布”：{“日期部分”：[[2018,4,29]]｝，“容器标题“：[”AAAI人工智能会议记录“]，“original-title”：[]，“link”：[{“URL”：“https:\/\/ojs.AAAI.org\/index.php\/AAAI\/aarticle\/download\/11703\/11562”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\/\/ojs.aaai.org\/index.php\/aaai\/article\/download\/11703\/11562“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,11,7]]，”date-time“：“2022-11-07T18:39:18Z”，”timestamp“：1667846358000}，”score“：1，”resource“：”{“primary”：{“URL”：“”https:\/\/ojs.aaai.org\/index.php\/aaai\/article\/view\/11703“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2018,4,29]]}，“引用计数”：0，“日志发布”：{“发布”：“1”，“在线发布”：}“日期部分”：[[2018，2,8]]}}、“URL”：“http://\/dx.doi.org\/10.10609 \/aaai.v32i1.11703“，”关系“：{}，”ISSN“：[”2374-3468“，”2159-5399“]，”ISSN-type“：[{”value”：“2374-3468”，“type”：“electronic”｝，｛“value”：“2159-5399”，“type”：“print”｝]，“subject”：[]，“published”：｛“date parts”：[[2018,4,29]]｝｝