多示例自适应余弦估计器初始化策略的研究
机器学习
2019-05-01 v1 机器学习
摘要
使用电磁感应(EMI)激发导体中响应的传感器长期以来被用于地下爆炸物危害探测。特别地,EMI 传感器已被用于区分不同类型的物体,并探测低金属含量的物体。一个成功的、先前已被研究过的方法是多示例自适应余弦估计器(MI-ACE)。在本文中,提出并评估了若干针对 MI-ACE 的新初始化技术,以其各自的性能和速度作为评价。交叉验证学习到的签名以及学习到的背景统计与自适应余弦估计器(ACE)结合生成置信度图,并被聚类为警报。警报针对真值进行评分,并对各初始化方法进行比较。
引用
@article{arxiv.1904.13197,
title = {Investigation of Initialization Strategies for the Multiple Instance Adaptive Cosine Estimator},
author = {James Bocinsky and Connor McCurley and Daniel Shats and Alina Zare},
journal= {arXiv preprint arXiv:1904.13197},
year = {2019}
}