TY -的A2 -埃尔南德斯,胡安韦森特五车二盟,萨勃拉曼尼亚Barathi AU -保罗,Anand AU -金,Jeonghong AU - Chee K.-W.-A。PY - 2022 DA - 2022/10/06 TI -度量空间和规范:分类距离度量SP - 1911345六世- 2022 AB -很多机器学习算法,包括聚类方法,如再(资讯),高度依赖于距离度量来了解数据模式和做出正确的决定基于数据。近年来,研究表明,距离度量可以显著提高机器学习或深度学习模型的性能在集群、分类、数据恢复的任务,等。在这篇文章中,我们提供一个广泛使用的距离度量和调查与这个领域相关的挑战。最新的研究在这个领域通常受到暹罗和三重态网络利用样本之间的联系而采用共同权重度量学习(DML)。他们是成功的,因为他们的识别能力之间的关系显示样品相似。此外,抽样策略,适当的距离度量,和研究人员的网络结构是复杂和困难的因素来提高网络模型的性能。所以,这篇文章是有重大意义的,因为它是最近的这些组件的详细调查全面检查和价值作为一个整体,评估技术的数值结果证明了这一点。SN - 1058 - 9244 UR - https://doi.org/10.1155/2022/1911345 - 10.1155 / 2022/1911345摩根富林明科学编程PB - Hindawi KW - ER