结合模糊聚类的多示例集成算法

作     者：韩海韵 杨有龙 孙丽芹 HAN Haiyun;YANG Youlong;SUN Liqin

作者机构：西安电子科技大学数学与统计学院西安710126 

基　　金：陕西省自然科学基础研究计划资助项目(2021JM-133) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第7期

页      码：87-96页

摘      要：针对许多多示例算法都对正包中的示例情况做出假设的问题,提出了结合模糊聚类的多示例集成算法(ISFC)。结合模糊聚类和多示例学习中负包的特点,提出了“正得分”的概念,用于衡量示例标签为正的可能性,降低了多示例学习中示例标签的歧义性;考虑到多示例学习中将负示例分类错误的代价更大,设计了一种包的代表示例选择策略,选出的代表示例作为基分类器的训练子集;结合各基分类器的结果,确定包的最终标签。ISFC算法对正包中正示例的比例未做任何假设,同时能够解决正包数量多、负包数量少情况下的类别不平衡问题。实验结果表明,ISFC在药物分子活性预测、图像分类、文本分类任务上都取得了较好的分类效果。

主 题 词：多示例学习 模糊聚类 随机子空间 示例选择 集成学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.2103-0520

馆 藏 号：203109781...