多示例學習的包層次覆蓋算法及其應用研究.pdf

1、在許多實際問題中，待分類樣本的標記是不確定的。本文研究的是機器學習中從有歧義的樣本中進行學習的一個框架，即多示例學習。在多示例學習中，每一個樣本被稱做一個包，每個包可以含有任意數(shù)量個示例。如果包中包含一個或多個正示例，那么這個包就是正包;只有在包中所有的示例都是反示例的情況下，這個包才被稱為反包。由于示例本身是沒有標記的，因此，在多示例問題中，每一個正包都是一個有歧義的對象。正包中包含的大量假正例是多示例學習問題之所以難以解決的與生俱來

2、的困難所在。
　　為了排除多示例數(shù)據(jù)集的正包中大量的假正例，提高分類精度，本文提出了一個新的多示例學習包層次覆蓋算法，即MICkNN。覆蓋算法的學習結果是一系列的球形領域，在每一個球形領域中只含有同類樣本，覆蓋算法的這一特性可以幫助我們重新組織多示例數(shù)據(jù)集中包的結構。概括地說，為了排除正包中的假正例，首先使用覆蓋算法生成的球形領域作為新的包結構，對原有的多示例包結構進行重新構造，從而提高多示例樣本在新的特征空間中的可分離性。然后，

3、使用包層次的k近鄰算法排除正包中大量的噪聲并預測被測試包的類別。在藥物活性預測數(shù)據(jù)集和基于內容的圖像檢索數(shù)據(jù)集中的實驗表明，MICkNN算法具有很好的性能。
　　本文的主要內容如下:
　　1.介紹了多示例學習的概念，分析了多示例學習與傳統(tǒng)機器學習框架之間的區(qū)別。列舉了多示例學習的主要應用領域，并梳理了多示例學習的發(fā)展過程和研究現(xiàn)狀。
　　2.引入多示例問題的定義，介紹了幾種經典的多示例算法的主要思想。將已有的多示例算法

4、分為包層次算法和示例層次算法兩類，并指出已有算法的不足之處和多示例問題難以解決的固有困難所在。
　　3.提出多示例學習的包層次覆蓋算法MICkNN。分析了使用領域覆蓋算法重新組織多示例數(shù)據(jù)集的可行性，并指出了使用領域覆蓋算法可以幫助包層次的k近鄰算法排除正包中大量的假正例。
　　4.將提出的MICkNN算法應用到藥物活性預測問題中，并介紹了藥物分子包的生成方法。在基準的和人造的麝香分子數(shù)據(jù)集上進行了實驗。從分類精度和運行時間