10.3969/j.issn.1001-4616.2019.03.011
基于树结构的层次性多示例多标记学习
针对多示例多标记学习中标记间树结构的问题,将多示例学习、多标记学习和树结构标记优化方法有机融合,提出了基于树结构标记的层次性多示例多标记学习方法TreeMIML.TreeMIML先将样本中的多个示例转化为单示例,然后通过多标记学习得到新样本的标记,最后通过树结构标记优化方法学习样本的最终标记.实验结果证明,TreeMIML方法在G蛋白偶联受体的生物学功能预测上获得了很好的分类性能,优于目前最好的多示例多标记学习和多标记学习方法.
层次性多示例多标记学习、树结构、G蛋白偶联受体、生物学功能、多示例学习
42
TP399(计算技术、计算机技术)
国家自然科学基金61872198、81771478、61571233;江苏省高校自然科学基金18KJB416005;江苏省高等学校自然科学研究项目17KJA510003;南京邮电大学科研基金NY218092
2019-11-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
80-87