一种新颖的多实例集成学习算法

分析了多实例学习(MIL)在复杂数据目标(图像,基因)等方面的广泛应用,针对大多数已存在的MIL算法仅能处理小样本或中等规模样本的问题,为了处理MIL中的大规模问题,提出了一种高效可扩展的MIL集成学习算法——B2VMI(Bag to Vector Multi-instance)。该集成学习算法利用低计算成本的映射方法,将传统的MIL包映射成新的特征向量表示,以此方式获得包级信息。在多个多实例数据集上的实验表明,B2VMI具有可扩展等优秀性能,该算法不仅能够取得同当前先进的MIL集成学习算法可比较的精确度,而且具有比其他MIL集成学习算法快5倍的效率。