|
|||||
|
|
| 基于抗噪声的多任务多示例学习算法研究 | |
| 作者姓名： | 黎启祥 肖燕珊 郝志峰 阮奕邦 |
| 作者单位： | 1. 广东工业大学 计算机学院, 广东 广州 510006;2. 佛山科学技术学院 数学与大数据学院, 广东 佛山 528000 |
| 基金项目： | 国家自然科学基金资助项目（61472090,61672169,61472089） |
| 摘 要： | 在多示例学习中,当训练样本数量不充足或者训练样本中存在噪声信息时,分类器的分类性能将降低.针对该问题,本文提出了一种基于抗噪声的多任务多示例学习算法.一方面,针对训练样本中可能存在的噪声问题,该算法赋予包中示例不同的权值,通过迭代更新权值来降低噪声数据对预测结果的影响.另一方面,针对训练样本数量不充足问题,该算法运用多任务学习策略,通过同时训练多个学习任务,利用任务间的关联性来提高各个分类任务的预测性能.实验结果证明,与现有的分类算法相比,该方法在相同的实验条件下具有更优秀的性能. |
| 关 键 词： | 多示例学习 抗噪声 多任务学习 关联性 分类器 |
| 收稿时间： | 2018-03-05 |
| 点击此处可从《广东工业大学学报》浏览原始摘要信息 | |
| 点击此处可从《广东工业大学学报》下载全文 | |
