多示例学习及其研究现状_蔡自兴.docxVIP

多 示 例 学 习 及 其 研 究 现 状 多示例问题是 Dietterich 等[ 1 ]于上个世纪 90 年 代中期提出的 ,其目的是判断药物分子是否为麝香 分子 ( musky) . 麝香分子问题是多示例学习方法的应用之一. Maron 等[ 2 ] 将多示例学习方法应用于其他多示例问 题 ,比如股票投资中的个股选择问题 ; Ruffo 等[ 3 ] 将 多示例学习方法应用于数据挖掘 ; Ant rews 等[ 4 ] , Huang 等[ 5 ] , Yang 等[ 6 ] , Zhang 等[ 7 ] 分别将多示例 学习方法用于图像检索 ; Chevaleyre 等[ 8 ] 用多示例 学习方法研究了 Mutagenesis 问题. 应用结果表明 , 多示例学习方法对于多示例这类不分明问题能达到 较高的准确性. 多示例学习被认为是第 4 种机器学习框架 ,并 在短短几年时间内取得了一些引人瞩目的理论成果 和应用成果. 本文首先介绍多示例学习的概念 ,并总 结出一些基本性质 ; 然后对测试数据集 musk 进行 分析 ,重点讨论了多示例学习的主要算法 ,并通过测 试数据集 musk 的测试准确度对这些算法的性能进 行比较 ;最后对多示例学习的未来发展作了展望. 多示例学习的概念与性质 多示例学习问题可描述为 : 假设训练集中每个 数据是一个包 ( bag) ,每个包由一