基于半监督学习的多示例多标记E-MIMLSVM+算法

• 作者: 朱红波 李村合
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 机器学习 多示例多标记 支持向量机(SVM) 半监督学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 149-154
• 页数: 6页
• 分类号: TP393
• 字数: 6422字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1608-0140

摘要

多示例多标记是一种新的机器学习框架,在该框架下一个对象用多个示例来表示,同时与多个类别标记相关联.MIMLSVM+算法将多示例多标记问题转化为一系列独立的二类分类问题,但是在退化过程中标记之间的联系信息会丢失,而E-MIMLSVM+算法则通过引入多任务学习技术对MIMLSVM+算法进行了改进.为了充分利用未标记样本来提高分类准确率,使用半监督支持向量机TSVM对E-MIMLSVM+算法进行了改进.通过实验将该算法与其他多示例多标记算法进行了比较,实验结果显示,改进算法取得了良好的分类效果.