基于示例加权支持向量机的多示例学习算法研究

《基于示例加权支持向量机的多示例学习算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、．广东工业大学硕±学位论文Ｃ工学硕±）基于示例加权支持向量机的多示例学习算法硏究张丽阳二〇—六年五月８４５分类号：学校代号：１１ＵＤＣ；：：２。１３０５０４１密级学号广东工业大学硕±学位论文（工学硕ｉ）基于示例加权支持向量机的多示例学习算法硏究张丽阳指导教师姓名、职称：郝志峰教授学科（专业）或领域名称：歎件工稱学生所属学院；计黨机学院论文答辩日期—；二〇六年五月ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｅｄｔ；ｏＧｕａｎｄｏｎ

2、ＵｎｉｖｅｎｉｔｏｆＴｅｃｈｎｏｌｏｆｂｒｇｇｙｇｙｔｈｅＤｅｇｒｅｅｏｆＭａｓｔｅｒａｓｔｅｒｏｆＥｎｉｎ说ｒｉ打Ｓｃｉｅｎｃｅ（Ｍｇｇ）－ＲｅｓｅａｒｃｈｏｎＭｕｉＢａｓｅｄｏｎｌｔｉＩｎｓｔａｎｃｅＬｅａｒｎｎｇＩｎｓｔａｎｃｅＷｅｈｔｅｄＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｉｇｐｐＣａｎｄ：ａｎｉｄａｔｅＺｈａｎｇＬｉｙｇＳｕｐｅｒｖｉｓｏｒ；Ｐｒｏｆ．ＨａｏＺｈｉｆｅｎｇＭａ２０１６ｙＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉ

3、ｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＧｕａｎｚｈｏｕＧｕａｎｄｏｎＰ．Ｒ．Ｃｈｉｎａ５１０００６ｇ，ｇｇ，，摘要摘要随着虹ｔｅｍｅｔ的迅速普及，知识和信息的爆炸，人们所面临的数据量急剧増长，各行各业面临着大量的数据处理。这些丰富的数据资源背后，富含着极为重要的、潜在。，的、有用的知识在现实世界的数据中，它们往往可能存在误差例如，属性值的缺一损致等。因此，，数据形式的不合适，数据的重复、弄常、含噪声、不如何从送

4、些数据中获取有效的信息是我们仍需解决的问题。多示例学习最巧的提出是用来解决药物分子活性预测问题，目的是希望能够从大量的分子中提取出更有活性的分子，来帮助制药公司集中有限的资源用于更有意义的。目前，研究，很多经典的多示例学习算法相继提出如基于支持向量机的多示例学习算法、基于神经网络的多示例学习算法、基于决策树的多示例学习算法等，多示例学习框架得到了广泛的研究与应用，己被应用到如药物活牲预测、图像检索、股票预测、物体检测等众多领域。在传统的多示例学习中，训练集由若干个多示例包组成，每个包中包

5、含若干个示一例个正示例，，标签作用于包，而多示例包内的示例没有标签。每个正包至少包含也就是说正包除了含有正示例，还可能包括负示例。另外，负包中的全部示例都是负。示例多示例学习的任务是通过已标记多示例包来学习分类器，并利用其来预测未标记多示例包的标签。本文介绍了支持向量机的相关理论基础，，给出了多示例学习的相关研巧着重介绍了在数据受到噪声干扰的情况下，如何结合多示例学习与支持向量机，降低噪声对分类结果的影响。由于数据收集设备误差、传输偏差等原因，多示例包的示例可能存。在噪声信息在这种情况下

6、，传统的多示例学习可能无法有效地处理多示例包中存在的噪声问题。本文在多示例学习与支持向量机结合的基础之上，通过示例加权，降低噪声示例对分类预测的影响。在实验中，本文使用了藤香分子数据集和基于内容的图，对比了多种经典的多示例学习算法。实验结果证明像检索数据集，本文的方法获得了更高的分类精度。：多示例学习关键词；支持向量机；噪声信息ＩＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＷｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆＩｎｔｅｒｎ巧ａｎｄ１：ｈｅｅｘｐｌｏｓｉｏｎｏｆｉｎ

7、ｆｏｒｍａｔｉｏｎ，ｔｈｅａｍｏｕｎｔｏｆｄａｔａ也ａｔｅｏｌｅｃｏｎｆｒｏｎｔｉｓｒｏｗｉｎｒａｉｄｌ．Ｕ打ｄｅｍｅａｔｈｔｈｉｓｒｉｃｈｄａｔａｒｅｓｏｕｒｃｅｓ也ｅｒｅｅｘｉｓｔｓｐｐｇｇｐｙ，ｏ－ｉｍｒｔａｎｔｏｔｅｎｔｉａｌａｎｄｕｓｅｆｕｌｋｎｏｗｌｅｄｅ．Ｈｏｗｅｖｅｒｔｈｅｒｅｍａｂｅｅｒｒｏｒｓｉｎｔｈｅｒｅａｌｗｏｒｌｄｐ，ｐｇ，ｙｄａｔａ，ｅ．ｇ．，ｔｈｅｍｉｓｓｉｎｇｏｆａｔｔｒｉｂｕｔｅｖａｌｕｅｓ，ｉｎａｐｐｒｏｐ

8、ｒｉａｔｅｄａｔａｆｏｒｍ，ｄｕｐｌｉｃａｔｅａｎｄａｂｎｏｒｍａｌｄａｔａｉｎｃｏｍｅｔｅｄａｔａｎｏｉｓｄａｔａａｎｄｉｎｃｏｎｓｉｓｔｅｎｔｄａｔａ．Ｔｈｅｒｅｆｏｒｅｈｏｗ化ｅｔｔｈｅｅｆｅｃｔｉｖｅ，ｐｌ，ｙ，ｇｉｎｆｏｒｍａｔｉｏｎｆｒｏｍｔｈｅｓｅｄａｔａｉｓｔｈｅｒｏ