Machine learningMachine learning

在线度量学习

在线度量学习（Online Metric Learning）在无需存储全部数据集的情况下，随着新标记样本或成对约束的逐一到来，增量式地调整马氏距离度量。它融合了在线学习的效率和度量学习的表征能力，适用于流式、大规模或持续变化的环境，在这些环境中从头开始重新训练是不切实际的。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

在线度量学习

度量学习在线学习 Siamese Neural Network

来源

Shalev-Shwartz, S., Singer, Y., & Ng, A. Y. (2004). Online and batch learning of pseudo-metrics. Proceedings of the 21st International Conference on Machine Learning (ICML 2004), pp. 94. ACM. link ↗
Jin, R., Wang, S., & Zhou, Y. (2009). Regularized distance metric learning: Theory and algorithm. Advances in Neural Information Processing Systems (NIPS 2009), 22, 862–870. link ↗

如何引用本页

ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/zh/machine-learning/online-metric-learning

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →