基于半监督学习的多示例多标签改进算法 |
| |
引用本文: | 李村合,张振凯,朱洪波.基于半监督学习的多示例多标签改进算法[J].电子技术应用,2019,45(7). |
| |
作者姓名: | 李村合 张振凯 朱洪波 |
| |
作者单位: | 中国石油大学(华东)计算机与通信工程学院,山东青岛,266580;上海诺基亚贝尔股份有限公司青岛分公司fn部门,山东青岛,266100 |
| |
摘 要: | 多示例多标签学习框架是一种针对解决多义性问题而提出的新型机器学习框架,在多示例多标签学习框架中,一个对象是用一组示例集合来表示,并且和一组类别标签相关联。E-MIMLSVM~+算法是多示例多标签学习框架中利用退化思想的经典分类算法,针对其无法利用无标签样本进行学习从而造成泛化能力差等问题,使用半监督支持向量机对该算法进行改进。改进后的算法可以利用少量有标签样本和大量没有标签的样本进行学习,有助于发现样本集内部隐藏的结构信息,了解样本集的真实分布情况。通过对比实验可以看出,改进后的算法有效提高了分类器的泛化性能。
|
关 键 词: | 机器学习 多示例多标签 半监督 支持向量机 泛化性能 |
A multi-instance multi-label improved algorithm based on semi-supervised learning |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|