[发明专利]层次性多示例多标记学习的设计方法和系统

摘要

本发明公开了层次性多示例多标记学习的设计方法和系统，该方法将多示例单示例化方法、多标记学习方法与标记间层次性结构的优化方法统一到一个框架中，有效地利用标记之间的层次相关性以提高模型的预测性能。首先将多示例样本包转化为单示例向量，从而将多示例多标记这一复杂问题转化为多标记学习问题。给定测试集，在训练集中找到与每个测试样本最近的k个样本，根据其近邻的分类情况，预测测试样本的标记信息。再结合标记间层次性关系，优化调参，最终预测出测试样本的层次性标记集合。本发明充分考虑了每个被错分结点的信息，并且将标记层次性信息结构考虑在内，提高了预测精度，同时扩展了多示例多标记学习的应用范围。

主权项

一种基于层次性多示例多标记学习的设计方法，其特征在于，所述方法包括如下步骤：步骤1：给定输入多示例多标记训练数据集：D＝{(Xi,Yi)|1≤i≤N}，Xi包含ni个示例(每个样本包含示例个数可能不一样，每个示例为d维)，Yi＝{yi,1,…,yi,n}为第i个样本包对应的标记，以及多示例测试集T＝{Xt}，步骤2：将所有样本包Xi，以及测试包Xt进行多示例单示例化，将原始的多示例样本包压缩为单示例向量；步骤3：基于上述步骤2中将多示例样本包转化为单示例向量，从而将多示例多标记学习问题转换为多标记学习问题；步骤4：给定测试集T，通过多标记学习算法，预测每一个测试样本Xt的类别标记集步骤5：结合标记之间层次性结构的关系，重新优化、调参，最终预测出层次性结构的标记集合这就是测试样本Xt的层次性类别标记集。