多示例学习的包层次覆盖k近邻算法

• 作者: 张燕平 芮辰 赵姝 陈洁
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 机器学习 多示例学习 覆盖算法 k近邻算法
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2511-2514
• 页数: 4页
• 分类号: TP18
• 字数: 5609字
• 语种: 中文

摘要

多示例学习是一种新型的机器学习框架,正包中大量的噪声使多示例数据集具有很大的歧义性.为了排除多示例数据集正包中大量的假正例,提高分类精度,结合邻域覆盖算法,提出一个新的多示例包层次覆盖k近邻算法.覆盖算法的学习结果是一系列的球形邻域,在每一个球形邻域中只含有同类样本,本文利用的覆盖算法的这一特性重新组织多示例数据集的包结构.概括的说,为了排除正包中大量的假正例,首先对原有的多示例包结构进行重新构造,使用覆盖算法生成的球形邻域做为新的包结构,从而提高多示例样本在新的特征空间中的可分离性.然后,使用包层次的k近邻算法排除正包中大量的噪声并预测测试包的类别.实验表明,多示例学习的包层次覆盖k近邻算法具有很好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算智能与信号处理教育部重点实验室	148	1556	21.0	32.0
5	赵姝	安徽大学计算智能与信号处理教育部重点实验室	82	555	13.0	19.0
9	陈洁	安徽大学计算智能与信号处理教育部重点实验室	48	232	8.0	13.0
13	芮辰	安徽大学计算智能与信号处理教育部重点实验室	1	1	1.0	1.0