Multiple-instance learning

在机器学习中, 多示例学习 (MIL) 是由監督式學習演变而来的。相较于输入一系列被单独标注的示例,在多示例学习中,输入的是一系列被标注的“包”,每个“包”都包括许多示例。举一个二元分类的简单的例子,当包中的所有示例都是负例时,这个包会被标注为负包。另一方面,当包中至少含有一个正例时,这个包会被标注为正包。当收到一系列被标注的包时,机器试着去:(1)归纳出一个类别概念以便正确标注个别示例。(2)在归纳之外学习怎样去标注一个包。 就图像分类举一个例子:给出一个图像,我们想要根据图像的画面内容来确定它的目标类别。比如,当图像同时包括了“沙子”和“水”时,图像的目标类别可能是“海滩”。在多示例学习中,图像被描述成一个包:, 其中每一个均是从图像中相应第i个区域中提取出来的特征向量(我们称之为示例),N是图像被分割出的区域(示例)个数。当图像包同时包含“沙子”区域示例和“水”区域示例时,这个包会被标注成正例(“海滩”)。 多示例学习这一名称最初是由)提出来的,但是类似更早的研究,有)的手写数字识别。 最近关于多示例学习的回顾文献包括了),对于不同的范式,它提供了一个广泛的回顾和比较研究。 还有),对于文献中不同的范式所提出的不同假设,它提供了一个全面的回顾。 运用多示例学习的几个例子: * 分子活性 * 钙调素结合蛋白结合位点的预测 * 对于选择性剪接异构体的预测作用 ),) * 图像分类) * 文本或文档分类 数不清的研究都在做着促使传统分类技术,诸如支持向量机或是提升方法,适应于多示例学习环境的工作。

Is primary topic of
Multiple-instance learning
Label
enMultiple-instance learning
Link from a Wikipage to another Wikipage
Category:Machine learning
Multiple instance learning
SameAs
4s3Mc
m.03cszdd
Q6934870
Učenje z več primerki
多示例学习
Subject
Category:Machine learning
WasDerivedFrom
Multiple-instance learning?oldid=847187327&ns=0
WikiPageLength
88
Wikipage page ID
14082194
Wikipage redirect
Multiple instance learning
Wikipage revision ID
847187327
WikiPageUsesTemplate
Template:R from merge