杭州电子科技大学学报
杭州電子科技大學學報
항주전자과기대학학보
JOURNAL OF HANGZHOU DIANZI UNIVERSITY
2012年
6期
77-80
,共4页
机器学习%代表示例选取%多示例学习%支持向量数据描述
機器學習%代錶示例選取%多示例學習%支持嚮量數據描述
궤기학습%대표시례선취%다시례학습%지지향량수거묘술
该文提出了一种基于支持向量数据描述的自适应多示例学习算法.该算法首先通过一种代表示例选取方法,在正、负包中分别选取代表示例,并将代表示例映射到特征空间,将多示例学习问题转化为特征空间中标准单示例机器学习问题,然后利用SVDD算法对特征映射后的训练样本集合进行训练得到分类器,再将代表示例更新与分类器训练交替迭代进行,最后用训练好的分类器对测试集进行预测.在多示例学习的COREL图像库进行实验,实验结果验证了算法的有效性.
該文提齣瞭一種基于支持嚮量數據描述的自適應多示例學習算法.該算法首先通過一種代錶示例選取方法,在正、負包中分彆選取代錶示例,併將代錶示例映射到特徵空間,將多示例學習問題轉化為特徵空間中標準單示例機器學習問題,然後利用SVDD算法對特徵映射後的訓練樣本集閤進行訓練得到分類器,再將代錶示例更新與分類器訓練交替迭代進行,最後用訓練好的分類器對測試集進行預測.在多示例學習的COREL圖像庫進行實驗,實驗結果驗證瞭算法的有效性.
해문제출료일충기우지지향량수거묘술적자괄응다시례학습산법.해산법수선통과일충대표시례선취방법,재정、부포중분별선취대표시례,병장대표시례영사도특정공간,장다시례학습문제전화위특정공간중표준단시례궤기학습문제,연후이용SVDD산법대특정영사후적훈련양본집합진행훈련득도분류기,재장대표시례경신여분류기훈련교체질대진행,최후용훈련호적분류기대측시집진행예측.재다시례학습적COREL도상고진행실험,실험결과험증료산법적유효성.