MIL学习者及其整体版本
2016-08-23
3 0 0
暂无评分
其他
如何获取积分?
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
matlab
相关源码推荐
GMSK线性接收机
0
0
暂无评分
NSGA-II算法
0
0
暂无评分
NSGA-III多目标优化算法
0
0
暂无评分
压缩传感示例
0
0
暂无评分
恒虚警检测器示例
0
0
暂无评分
暂无评论