龙哲
- 作品数：2 被引量：5H指数：2
- 供职机构：杭州电子科技大学计算机学院图形图像研究所更多>>
- 发文基金：国防科技工业技术基础科研项目国防基础科研计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于多样性密度的多示例学习方法被引量：3
- 2012年
- 结合多样性密度和带负类的支持向量数据描述,提出了一种能够有效解决多示例问题的算法:MIL-NSVDD_DD。该算法首先通过多样性密度算法找出多示例问题中最优示例模型,然后通过使用带负类的支持向量数据描述对示例模型进行训练,以得到最终的分类器,用得到的分类器再对新包进行预测。最后通过实验表明了该算法的有效性。
- 龙哲
- 关键词：多示例学习支持向量数据描述
- 求解多示例问题的支持向量数据描述方法被引量：2
- 2013年
- 将支持向量数据描述方法引入到多示例学习中,提出了三种基于SVDD的多示例学习方法:基于包分类和示例分类的SVDD多示例学习方法MI-SVDD和m-i SVDD,以及基于正示例预测的SVDD多示例学习方法SVDD-MILD-I.在MUSK数据集上的实验结果表明,MI-SVDD方法和m-iSVDD方法的精度与MI-SVM方法和m-iSVM的总体相当,SVDD-MILD-I方法的精度比较高,超过了我们已知的目前已发表的最好结果;对COREL图像库进行基于内容的图像检索的实验表明,SVDD-MILD-I方法的精度较高,并且比较好地区分了容易混淆的Beach类图像与Mountains类图像.
- 方景龙王万良王兴起龙哲祁萌
- 关键词：多示例学习支持向量数据描述
