多示例學(xué)習(xí)的包層次覆蓋算法及其應(yīng)用研究.pdf

1、在許多實(shí)際問(wèn)題中，待分類(lèi)樣本的標(biāo)記是不確定的。本文研究的是機(jī)器學(xué)習(xí)中從有歧義的樣本中進(jìn)行學(xué)習(xí)的一個(gè)框架，即多示例學(xué)習(xí)。在多示例學(xué)習(xí)中，每一個(gè)樣本被稱(chēng)做一個(gè)包，每個(gè)包可以含有任意數(shù)量個(gè)示例。如果包中包含一個(gè)或多個(gè)正示例，那么這個(gè)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(gè)包才被稱(chēng)為反包。由于示例本身是沒(méi)有標(biāo)記的，因此，在多示例問(wèn)題中，每一個(gè)正包都是一個(gè)有歧義的對(duì)象。正包中包含的大量假正例是多示例學(xué)習(xí)問(wèn)題之所以難以解決的與生俱來(lái)

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(lèi)精度，本文提出了一個(gè)新的多示例學(xué)習(xí)包層次覆蓋算法，即MICkNN。覆蓋算法的學(xué)習(xí)結(jié)果是一系列的球形領(lǐng)域，在每一個(gè)球形領(lǐng)域中只含有同類(lèi)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(jié)構(gòu)。概括地說(shuō)，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(lǐng)域作為新的包結(jié)構(gòu)，對(duì)原有的多示例包結(jié)構(gòu)進(jìn)行重新構(gòu)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(yù)測(cè)被測(cè)試包的類(lèi)別。在藥物活性預(yù)測(cè)數(shù)據(jù)集和基于內(nèi)容的圖像檢索數(shù)據(jù)集中的實(shí)驗(yàn)表明，MICkNN算法具有很好的性能。
　　本文的主要內(nèi)容如下:
　　1.介紹了多示例學(xué)習(xí)的概念，分析了多示例學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)框架之間的區(qū)別。列舉了多示例學(xué)習(xí)的主要應(yīng)用領(lǐng)域，并梳理了多示例學(xué)習(xí)的發(fā)展過(guò)程和研究現(xiàn)狀。
　　2.引入多示例問(wèn)題的定義，介紹了幾種經(jīng)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(lèi)，并指出已有算法的不足之處和多示例問(wèn)題難以解決的固有困難所在。
　　3.提出多示例學(xué)習(xí)的包層次覆蓋算法MICkNN。分析了使用領(lǐng)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(lǐng)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(yīng)用到藥物活性預(yù)測(cè)問(wèn)題中，并介紹了藥物分子包的生成方法。在基準(zhǔn)的和人造的麝香分子數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。從分類(lèi)精度和運(yùn)行時(shí)間