A Boosting Framework for Visuality-Preserving Distance Metric Learning and Its Application to Medical Image Retrieval

Liu Yang; Rong Jin; Mummert, L.; Sukthankar, R.; Goode, A.; Bin Zheng; Hoi, S.C.H.; Satyanarayanan, M.;
Pattern Analysis and Machine Intelligence, IEEE Transactions on
Volume: 32 , Issue: 1
Digital Object Identifier: 10.1109/TPAMI.2008.273 
Publication Year: 2010 , Page(s): 30 - 44

IEEE Journals  

Abstract  |  Full Text: PDF (2770 KB)

这篇文章是提出了种样本距离测度的新方法，第一印象挺吓人的：用了很多数学不等式，对目标函数进行近似和优化，转来来去头有点晕，但是认真看看发现有问题。

先说创新点：

1. 最基本的出发点是：相似的样本之间的距离应该比不相似的样本间的距离要小；
2. 最终转化为二进制的距离的加权平均；每个二进制由样本隐射到某空间后，取最大特征值于某阈值比较得到；
3. 学习的目的是：求加权平均的权值，以及隐射的转换矩阵；
4. 直接优化目标函数不行的时候，用了个exp来代替；
5. 本次优化，以上次优化结果为基础。

问题：

1. 第二个问题是我没理解对，对不起，浪费大家都时间了。 还上了十大，真囧死了！不过这也说明科学网的好处：给我上了一课，看文章要再认真细致一点，有些盲点自己看不出来，可以上网交流。
2. 很可能是笔误，开始的时候就自相矛盾，一开始说一对样本是不相似的，隔了两行就变成相似的了。