Combining example selection with instance selection to speed up multiple-instance learning
Combining example selection with instance selection to speed up multiple-instance learning
复制标题
将示例选择与实例选择相结合，加速多实例学习
DOI：
10.1016/j.neucom.2013.09.008
复制
发表时间：
2014-04
期刊：
影响因子：
6
通讯作者：
Tang, Xianglong
中科院分区：
文献类型：
--
作者：
Yuan, Liming;Liu, Jiafeng;Tang, Xianglong
近年来，基于实例选择的方法被提出来解决多实例学习问题。其基本思想是通过从训练集中选择一些有代表性的实例原型，将MIL转换为标准的监督学习。然而，训练样本不是单个的实例，而是由一个或多个实例组成的数据包，因此计算复杂度往往很高。以往的方法只从实例选择的角度考虑这个问题，而没有从实例选择的角度考虑。在本文中，我们试图解决这个问题，通过结合实例选择和实例选择。通过将三种免疫启发算法应用于MIL，得到了三种通用的MIL实例选择方法。此外，我们还提出了一种简单的MIL实例选择方法，该方法基于一组负实例中一个实例为正的概率。我们的例子选择方法相结合的新的MIL方法和其他以前的实例选择为基础的预处理步骤。理论分析和实验结果表明，该方法与现有方法相比具有一定的竞争力，所提出的实例选择方法可以显著提高基于实例选择的MIL方法的速度，但其性能略有减弱甚至增强.
Recently, several instance selection-based methods have been presented to solve the multiple-instance learning (MIL) problem. The basic idea is converting MIL into standard supervised learning by selecting some representative instance prototypes from the training set. However, training examples are not single instances but bags composed of one or more instances in MIL, so the computational complexity is often very high. Previous methods consider this issue only from the perspective of instance selection not from that of example selection. In this paper, we try to address this issue via combining example selection with instance selection. Three general example selection methods are derived by adapting three immune-inspired algorithms to MIL. Additionally, we propose a simple instance selection method for MIL based on the probability that an instance is positive given a set of negative instances. Our example selection methods are combined with the new MIL method and other previous instance selection-based ones as a preprocessing step. The theoretical analysis and empirical results show that our MIL method is competitive to the state-of-the-art and the proposed example selection methods could significantly speed up various instance selection-based MIL methods with slightly weakening their performance or even strengthening it.
登录
查看更多内容
DOI：
--
发表时间：
1996
期刊：
--
影响因子：
--
作者：
C. Merz
通讯作者：
C. Merz
DOI：
10.1016/j.asoc.2008.05.003
发表时间：
2009
期刊：
Appl. Soft Comput.
影响因子：
--
作者：
K. Igawa;H. Ohashi
通讯作者：
K. Igawa;H. Ohashi
DOI：
--
发表时间：
1998-07
期刊：
--
影响因子：
--
作者：
O. Maron;A. L. Ratan
通讯作者：
O. Maron;A. L. Ratan
DOI：
10.1007/978-3-540-45192-1_25
发表时间：
2003-09
期刊：
--
影响因子：
--
作者：
F. González;D. Dasgupta;Fernando Niño
通讯作者：
F. González;D. Dasgupta;Fernando Niño
DOI：
10.1145/1068009.1068061
发表时间：
2005-06
期刊：
--
影响因子：
--
作者：
T. Stibor;Philipp H. Mohr;J. Timmis;C. Eckert
通讯作者：
T. Stibor;Philipp H. Mohr;J. Timmis;C. Eckert