حمید صادقی - دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
ابوالقاسم اسدالله راعی - دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر

یادگیری متریک راهکاری برای افزایش دقت طبقه بندی مبتنی بر فاصله بین داده هاست تمرکز بسیاری از روش های یادگیری متریک بر روی بهبود معیار فاصله اقلیدسی است اما در بسیاری از مسائل بازشناسی الگو و پردازش تصویر داده های موجود به صورت هیستوگرامی و در فضایی غیر متعامد هستند در چنین فضایی استفاده از فاصله اقلیدسی و ماهالانوبیس از دقت مناسبی برخوردار نخواهد بود معیار مناسبی که برای چنین داده هایی ارائه می شود فاصله χ 2 است در این مقاله روش جدیدی برای یادگیری متریک در معیار فاصله χ 2 ارائه می شود که می تواند در ویژگی های هیستوگرامی مورد استفاده قرار گیرد در روش پیشنهادی رابطه فاصله χ2 با یک ماتریس اصلاح شده الگوریتمی برای آموزش این ماتریس ارائه شده است نتایج بدست امده از ازمایش روش پیشنهادی بر روی داده های هیستوگرامی تصاویر حالت چهره نشان می دهد که دقت این روش نسبت به یادگیری متریک در معیار فاصله ماهالانوبیس دارای دقت بسیار بالاتری است

یادگیری متریک،فاصله χ 2،داده های هیستوگرامی،شناسایی حالت چهره