融合包空间和示例空间特征的多示例学习

摘要：

多示例学习中, 包空间特征描述包容易忽略包中的局部信息, 示例空间特征描述包容易忽略包的整体结构信息. 针对上述问题, 提出融合包空间特征和示例空间特征的多示例学习方法. 首先建立图模型表达包中示例之间的关系, 将图模型转化为关联矩阵以构建包空间特征; 其次筛选出正包中与正包的类别的相关性比较强的示例和负包中与正包的类别的相关性比较弱的示例, 将示例特征分别作为正包和负包的示例空间特征; 最后用 Gaussian RBF核将包空间和示例空间特征映射到相同的特征空间, 采用基于权重的特征融合方法进行特征融合. 在多示例的基准数据集、公开的图像数据集和文本数据集上进行实验的结果表明, 该方法提高了分类效果.

关键词：多示例学习、图模型、筛选示例、特征融合

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金661379106,61379082,61227802;山东省自然科学基金ZR2013FM036,ZR2015FM011

在线出版日期：2018-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：851-858