MILKDE: a new approach for multiple instance learning based on positive instance selection and kernel density estimation
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Artigo de periódico
Título alternativo
Primeiro orientador
Membros da banca
Resumo
Aprendizado de Instâncias Múltiplas (MIL) é um paradigma recente de aprendizado, que se baseia na atribuição de um único rótulo a um conjunto de instâncias chamado bag. Um bag é positivo se contiver pelo menos uma instância positiva, e negativo caso contrário. Este trabalho propõe um novo algoritmo baseado em computação de verossimilhança por meio de Estimativa de Densidade de Kernel (KDE) chamado MILKDE. Usando o classificador LogitBoost, seu desempenho foi comparado ao de quarenta e três algoritmos MIL disponíveis na literatura usando cinco conjuntos de dados. Nossa proposta superou todos eles para os conjuntos de dados Elephant (87,40%), Fox (66,80%) e COREL 2000 (77,8%), e alcançou resultados competitivos para os conjuntos de dados MUSK 1 (89,20%) e MUSK 2 (87,50%), que são comparáveis às maiores precisões obtidas por outros métodos para esses conjuntos de dados. Os resultados gerais são estatisticamente comparáveis aos obtidos pelos métodos mais conhecidos para MIL descritos na literatura.
Abstract
Assunto
Computação, Matemática
Palavras-chave
Multiple Instance Learning, KDE, O Multiple Instance Learning constitui uma estrutura para problemas de classificação quando a associação individual de entrada-saída não é aplicável por algum motivo, No MILKDE a seleção de instância positiva é baseada no KDE, a seleção adaptável do número de instâncias positivas representativas produz a capacidade de bom desempenho em conjuntos de dados distintos
Citação
Curso
Endereço externo
https://www.sciencedirect.com/science/article/abs/pii/S0952197616302421