论文部分内容阅读
提出了一种考虑包中样本在概念空间中重要度的多示例核学习方法。引入了包中示例对整个样本空间所包含概念的权重向量。通过数量化的手段表示出每个示例从属于每个概念的重要程度。主要步骤如下：a）通过对所有示例进行聚类，得到能够反映多示例包中所含概念的簇．b）借用文本分类中的r—pattern计算得到每个示例对于概念空间中每个概念的权重向量；c）在多示例核中通过余弦相似度结合示例的权重，得到更能反映概念空间特性的多示例概念核。该方法同时考虑了包层次的概念和示例层次的权重，能够有效度量包中示例对于最终包标记的影响，且本