西南石油大学学院机器学习实验室多示例课题组在计算机科学顶级期刊《IEEE TSMC》上发表论文

    日前，学院机器学习实验室多示例学习课题组：杨梅副教授、张雨轩（研究生）、闵帆教授与王熙照教授（深圳大学）合著的论文 “Multi-Instance Ensemble Learning With Discriminative Bags”在《IEEE Transactions on Systems Man Cybernetics: Systems（IEEE TSMC）》上发表。IEEE TSMC是中科院SCI一区、计算机科学顶级期刊，影响因子13.451，目前录取率仅为10%左右。

　　多示例学习是一种比传统监督学习更具挑战性的学习范式，其样本标签在包级别给出。流行的多示例特征映射方法将每个包转换为新特征空间的实例。然而，大多数方法无法保证包在新特征空间中的可区分性，且其模型不具备自增强能力。本论文提出了基于辨别包的多示例集成方法，其总体思想如下图所示。包选择技术(bag selection technique)分析数据集的空间及标签分布，设计辨别性指标来选择一组具有辨别性的包，并设计自增强方案，以提升辨别包的辨别能力；集成技术(ensemble thchnique)基于辨别包，训练多个分类器，并按其性能分配权重，用于提升模型的分类性能及稳定性。