基于抗噪声的多任务多示例学习算法研究

• 作者: 肖燕珊 郝志峰 阮奕邦 黎启祥
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 多示例学习 抗噪声 多任务学习 关联性 分类器
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 综合研究
• 页码范围: 47-53
• 页数: 7页
• 分类号: TP301.6
• 字数: 6093字
• 语种: 中文
• DOI: 10.12052/gdutxb.180036

摘要

在多示例学习中, 当训练样本数量不充足或者训练样本中存在噪声信息时, 分类器的分类性能将降低. 针对该问题, 本文提出了一种基于抗噪声的多任务多示例学习算法. 一方面, 针对训练样本中可能存在的噪声问题, 该算法赋予包中示例不同的权值, 通过迭代更新权值来降低噪声数据对预测结果的影响. 另一方面, 针对训练样本数量不充足问题, 该算法运用多任务学习策略, 通过同时训练多个学习任务, 利用任务间的关联性来提高各个分类任务的预测性能.实验结果证明, 与现有的分类算法相比, 该方法在相同的实验条件下具有更优秀的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝志峰	佛山科学技术学院数学与大数据学院	30	88	7.0	8.0
2	肖燕珊	广东工业大学计算机学院	5	26	3.0	5.0
3	阮奕邦	广东工业大学计算机学院	5	19	3.0	4.0
4	黎启祥	广东工业大学计算机学院	1	0	0.0	0.0