资 源 简 介
该工具箱包含了四种不同的多实例学习者及其合奏版本的程序。具体而言,该工具箱包含三个部分:1)数据准备 这部分包括三个组成部分: 1.1)原始数据麝香[1]从UCI机器学习库中 1.2)预处理的麝香数据用于进一步的使用 1.3)的功能,用于将麝香数据转换成10倍,这在进行10倍交叉验证实验之前,被称为 1.4),用于执行最小值最大值功能正常化2)个人算法 这部分包括了四种不同的多实例学习计划: 2.1)迭代-Discrim四月[1],主要功能是“IDAPR” 2.2)引用-KNN[2],其主要功能是“CKNN” 2.3)多样性密度[3],其主要功能是“maxDD” 2.4)EM-DD[4],其主要功能是“EMDD” 对上述算法的详细信息,请参阅correponding代码和注释。3)集成算法 这部分包括了四种不同的多实例学习的合奏节目: 迭代-Discrim APR3.1)合奏 引文-KNN3.2)合奏 多样性密度3.3)合奏 的EM-DD3.4)合奏 供的,上述算法的功能的更多详情,请参见[5]和相应的代码和注释。[1] T.G。 Dietterich,相对湿度莱思罗普和T.洛萨诺 - 佩雷斯。解决多实例问题与轴平行的矩形。人工智能,89(1-2):31-71,1997。[2] J. Wang和J.-D.朱克。解决多实例问题:一个懒惰的学习方法。在:摩根考夫曼,1119年至1125年,20