多示例学习的包参考向量
机器学习
2015-12-04 v1 机器学习
摘要
多示例学习（MIL）因其独特特性而具有广泛应用。尽管许多 state-of-the-art 算法已取得不错性能，但大量现有方法仅在示例层面解决问题，而非挖掘包之间的关系。本文中，我们提出一种高效算法，通过与其他包比较，用相应的特征向量描述每个包。换言之，一个包的关键信息提取自该包与其他参考包之间的相似性。此外，我们应用 Hausdorff 距离的扩展来表示相似性，在某种程度上克服了 MIL 问题的关键挑战，即正包中示例标签的模糊性。在基准测试和文本分类任务上的实验结果表明，所提方法大幅优于先前的最先进方法。
引用
@article{arxiv.1512.00994,
title = {Bag Reference Vector for Multi-instance Learning},
author = {Hanqiang Song and Zhuotun Zhu and Xinggang Wang},
journal= {arXiv preprint arXiv:1512.00994},
year = {2015}
}