多示例数据集的特征刻画
计算机视觉与模式识别
2018-06-22 v1
摘要
在许多模式识别问题中，单一特征向量不足以描述一个对象。在多示例学习（MIL）中，对象由特征向量（\emph{示例}）的集合（\emph{包}）表示。这需要对标准监督分类器进行调整，以便在包上训练和评估。如同监督分类，MIL已有若干基准数据集和众多分类器。在对不同MIL分类器进行比较时，理解所使用数据集的差异十分重要。看似不同（基于维数等因素）的数据集可能在分类器中引发非常相似的行为，反之亦然。这对可从比较结果得出何种结论具有影响。我们旨在概述可用基准数据集与一些流行MIL分类器的变异性。我们使用基于不同分类器所得ROC曲线差异的数据集相异度度量，并将该数据集相异度矩阵嵌入低维空间。结果表明，概念上相似的数据集可能表现迥异。因此，我们建议在比较现有与新MIL分类器时考察此类数据集特征。数据集可通过Figshare在\url{https://bit.ly/2K9iTja}获取。
引用
@article{arxiv.1806.08186,
title = {Characterizing multiple instance datasets},
author = {Veronika Cheplygina and David M. J. Tax},
journal= {arXiv preprint arXiv:1806.08186},
year = {2018}
}
备注
Published at SIMBAD 2015 workshop