日前，學(xué)院機器學(xué)習(xí)實驗室多示例學(xué)習(xí)課題組：楊梅副教授、張雨軒（研究生）、閔帆教授與王熙照教授（深圳大學(xué)）合著的論文 “multi-instanceensemblelearningwithdiscriminativebags”在上發(fā)表。ieeetsmc是中科院sci一區(qū)、計算機科學(xué)頂級期刊，影響因子13.451，目前錄取率僅為10%%u5DE6右。

　　多示例學(xué)習(xí)是一種比傳統(tǒng)監(jiān)督學(xué)習(xí)更具挑戰(zhàn)性的學(xué)習(xí)范式，其樣本標(biāo)簽在包級別給出。流行的多示例特征映射方法將每個包轉(zhuǎn)換為新特征空間的實例。然而，大多數(shù)方法無法保證包在新特征空間中的可區(qū)分性，且其模型不具備自增強能力。本論文提出了基于辨別包的多示例集成方法，其總體思想如下圖所示。包選擇技術(shù)(bagselectiontechnique)分析數(shù)據(jù)集的空間及標(biāo)簽分布，設(shè)計辨別性指標(biāo)來選擇一組具有辨別性的包，并設(shè)計自增強方案，以提升辨別包的辨別能力；集成技術(shù)(ensemblethchnique)基于辨別包，訓(xùn)練多個分類器，并按其性能分配權(quán)重，用于提升模型的分類性能及穩(wěn)定性。

免責(zé)申明：本站所提供的內(nèi)容及圖片來源于網(wǎng)友提供或網(wǎng)絡(luò)收集，由本站編輯整理，僅供個人學(xué)習(xí)、研究使用，如涉及版權(quán)問題，請聯(lián)系本站管理員予以更改或刪除。