基于流形学习的多示例回归算法

被引：16

作者：

詹德川

周志华

机构：

[1] 南京大学软件新技术国家重点实验室

来源：

计算机学报 | 2006年 / 11期

关键词：

机器学习; 多示例学习; 多示例回归; 流形学习;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

多示例学习是一种新型机器学习框架,以往的研究主要集中在多示例分类上,最近多示例回归受到了国际机器学习界的关注.流形学习旨在获得非线性分布数据的内在结构,可以用于非线性降维.文中基于流形学习技术,提出了用于解决多示例回归问题的ManiMIL算法.该算法首先对训练包中的示例降维,利用降维结果出现坍缩的特性对多示例包进行预测.实验表明,ManiMIL算法比现有的多示例算法例如Citation-kNN等有更好的性能.

引用

页码：1948 / 1955

页数：8

共 4 条

[1] 基于神经网络的多示例回归算法 [J].

张敏灵 ;

周志华 .

软件学报, 2003, (07) :1238-1242

[2] Multi-instance learning based web mining [J].

Zhou, ZH ;

Jiang, K ;

Li, M .

APPLIED INTELLIGENCE, 2005, 22 (02) :135-147

[3] Improve multi-instance neural networks through feature selection [J].

Zhang, ML ;

Zhou, ZH .

NEURAL PROCESSING LETTERS, 2004, 19 (01) :1-10

[4]

Solving the multiple instance problem with axis-parallel rectangles[J] . Thomas G. Dietterich,Richard H. Lathrop,Tomás Lozano-Pérez.Artificial Intelligence . 1997 (1)

← 1 →