基于多样性密度的多示例学习方法

• 作者: 张小俊 黄谦
• 来源期刊: 职业时空
• 学科: 教育
• 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）
• 页码范围: 73-75
• 页数: 3页
• 分类号: G442

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	黄谦		29	35	4.0	5.0
2	张小俊		21	39	4.0	5.0