10.3321/j.issn:0254-4164.2006.11.006
基于流形学习的多示例回归算法
多示例学习是一种新型机器学习框架,以往的研究主要集中在多示例分类上,最近多示例回归受到了国际机器学习界的关注.流形学习旨在获得非线性分布数据的内在结构,可以用于非线性降维.文中基于流形学习技术,提出了用于解决多示例回归问题的ManiMIL算法.该算法首先对训练包中的示例降维,利用降维结果出现坍缩的特性对多示例包进行预测.实验表明,ManiMIL算法比现有的多示例算法例如Citation-kNN等有更好的性能.
机器学习、多示例学习、多示例回归、流形学习
29
TP18(自动化基础理论)
国家自然科学基金60473046
2006-12-07（万方平台首次上网日期，不代表论文的发表时间）
共8页
1948-1955
