典型文献
结合模糊聚类的多示例集成算法
文献摘要：
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.
文献关键词：
多示例学习;模糊聚类;随机子空间;示例选择;集成学习
中图分类号：
作者姓名：
韩海韵;杨有龙;孙丽芹
作者机构：
西安电子科技大学 数学与统计学院,西安 710126
文献出处：
引用格式：
[1]韩海韵;杨有龙;孙丽芹-.结合模糊聚类的多示例集成算法)[J].计算机工程与应用,2022(07):87-96
A类：
ISFC,示例选择
B类：
模糊聚类,集成算法,多多,多示例学习,签为,歧义性,选择策略,基分类器,子集,中正,类别不平衡,不平衡问题,药物分子,活性预测,图像分类,文本分类,分类任务,分类效果,随机子空间,集成学习
AB值：
0.254895
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
