原文服务方: 西安交通大学学报       
摘要:
针对已有神经网络方法采用示例决定标记从而导致多示例学习(MIL)中包结构信息丢失的问题,提出了一种新的RK_BP多示例学习方法.在示例空间,首先采用粗糙集对其进行属性约简;然后进行K均值聚类,利用聚类点构造新包空间;在新空间中,利用误差反向传播神经网络算法进行分类.在多个测试数据集上对算法进行测试,结果表明该算法可有效解决已有神经网络方法包结构信息丢失问题,明显提高分类性能.
推荐文章
结合包光滑性的半监督多示例核学习方法
多示例学习
半监督学习
多示例核
包光滑性
图拉普拉斯
核映射
基于迭代框架与SVDD的多示例算法
机器学习
代表示例选取
多示例学习
支持向量数据描述
一种新的多示例学习方法及其林木学分类应用
多示例学习
Citation-KNN
混合型Hausdorff距离
林木分类
基于多示例学习的图像分类算法
多示例学习
多样性密度
直推式支持向量机
图像分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 构建新包空间的多示例学习方法
来源期刊 西安交通大学学报 学科
关键词 多示例学习 反向传播算法 粗糙集 K均值聚类 新空间
年,卷(期) 2011,(8) 所属期刊栏目
研究方向 页码范围 62-66,117
页数 分类号 TP18
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 耿国华 西北大学信息科学与技术学院 497 5986 35.0 55.0
2 温超 西北大学信息科学与技术学院 17 130 6.0 11.0
3 李展 西北大学信息科学与技术学院 20 111 7.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (186)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (1)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(7)
  • 参考文献(2)
  • 二级参考文献(5)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多示例学习
反向传播算法
粗糙集
K均值聚类
新空间
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
论文1v1指导