基于多样性密度的多示例学习方法

• 作者: 龙哲
• 来源期刊: 工业控制计算机
• 学科: 工学
• 关键词: 多示例学习 多样性密度 支持向量数据描述 机器学习
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 软件与仿真
• 页码范围: 73-74,80
• 分类号: TP181
• 字数: 2711字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-182X.2012.07.034

摘要

结合多样性密度和带负类的支持向量数据描述,提出了一种能够有效解决多示例问题的算法:MIL-NSVDD_DD.该算法首先通过多样性密度算法找出多示例问题中最优示例模型,然后通过使用带负类的支持向量数据描述对示例模型进行训练,以得到最终的分类器,用得到的分类器再对新包进行预测.最后通过实验表明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙哲	杭州电子科技大学图形图像研究所	2	9	2.0	2.0