基本信息
- 题目:Multiple instance learning: A survey of problem
characteristics and applications(多实例学习: 问题特征和应用调查) - 等级: 2018 年发表在Pattern Recognition (模式识别)。
- 代码: 点这里
- bib:
@article{carbonneau2018multiple,
title={Multiple instance learning: A survey of problem characteristics and applications},
author={Carbonneau, Marc-Andr{\'e} and Cheplygina, Veronika and Granger, Eric and Gagnon, Ghyslain},
journal={Pattern Recognition},
volume={77},
pages={329--353},
year={2018},
publisher={Elsevier}
}
核心思想
MIL 算法从一个数据集到另一个数据集的性能变化是很难解释的。因
此,文章对定义和区分MIL 问题类型的特征进行了研究。得出了以下四大
类问题特征:
- 包的组成(正包内正实例的比率和实例间的关系)
- 数据分布的类型(多分类情况下的分布和负实例的分布)
- 实例标签的模糊性(正负噪声以及不同的标签空间)
- 要执行的任务(预测实例标签还是包标签)
这篇文章大体上说就是一篇综述,分别探究了多示例问题的四个特性以
及现有算法所针对的特性以及效果。其内部的图很精致,可以少量借鉴。