-
题名半监督多示例核
被引量：5
- 1
-
-
作者
张钢
印鉴
程良伦
钟钦灵
-
机构
广东工业大学自动化学院
中山大学计算机科学系
黄埔职业技术学校数学系
-
出处
《计算机科学》
CSCD
北大核心
2011年第9期220-223,236,共5页
-
基金
国家自然科学基金项目(U0935002)
广东省自然科学基金项目(07117421
+1 种基金
8351009001000002)
广东工业大学高教研究基金项目(2009D06)资助
-
文摘
在多示例学习中引入利用未标记示例的机制,能降低训练的成本并提高学习器的泛化能力。当前半监督多示例学习算法大部分是基于对包中的每一个示例进行标记,把多示例学习转化为一个单示例半监督学习问题。考虑到包的类标记由包中示例及包的结构决定,提出一种直接在包层次上进行半监督学习的多示例学习算法。通过定义多示例核,利用所有包(有标记和未标记)计算包层次的图拉普拉斯矩阵,作为优化目标中的光滑性惩罚项。在多示例核所张成的RKHS空间中寻找最优解被归结为确定一个经过未标记数据修改的多示例核函数,它能直接用在经典的核学习方法上。在实验数据集上对算法进行了测试,并和已有的算法进行了比较。实验结果表明,基于半监督多示例核的算法能够使用更少量的训练数据而达到与监督学习算法同样的精度,在有标记数据集相同的情况下利用未标记数据能有效地提高学习器的泛化能力。
-
关键词
多示例学习
半监督学习
多示例核
支持向量机
-
Keywords
Multi-instance learning
Semi-supervised learning
Multi-instance kernel
Support vector machine
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
