论文部分内容阅读
分析了多实例学习（MIL）在复杂数据目标（图像，基因）等方面的广泛应用，针对大多数已存在的MIL算法仅能处理小样本或中等规模样本的问题，为了处理MIL中的大规模问题，提出了一种高效可扩展的MIL集成学习算法——B2VMI（Bag to Vector Multi—instance）。该集成学习算法利用低计算成本的映射方法．将传统的MIL包映射成新的特征向量表示，以此方式获得包级信息。在多个多实例数据集上的实验表明，B2VMI具有可扩展等优秀性能，该算法不仅能够取得同当前先进的MIL集成学习算法可比较的精确度