《表1 示例特征重要度表示》
现实世界中的对象是具有多义性和复杂性的,一个对象中可能存在多种类型的内在属性和特征,传统的局部离群点检测算法往往忽略了这一点[15]。目前,针对多示例学习的算法已经提出很多[16]。然而,现有的多示例学习算法,要么是基于给定的多示例包集合上的学习[17],要么是采用MIL框架进行学习[18],忽略数据内部的分布特征,对象所包含的信息在提取示例包的过程中造成一定的丢失[19],要么是将多示例问题转为单示例问题的过程中,并没有考察对结果影响较大的示例,分析原因或者动态调整其权重[20]等等。针对不同的示例特征对于所属对象的重要程度,如表1所示,{F1,F2,?,Fm}表示数据集中所有可能的示例特征的集合;{Bag1,Bag2,?,Bag}n表示所有的多示例包集合;Wmn表示特征Fm在多示例包Bagn中的重要程度,Wmn越大则表示特征示例在多示例包中的重要程度越大,Wmn为零则表示对应多示包中的示例不包含特征Fl。
图表编号 | XD0090179400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.15 |
作者 | 邓浩、秦岭 |
绘制单位 | 南京工业大学计算机科学与技术学院、南京工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |