论文阅读（三）：Multi-Instance Clustering with Applications to Multi-Instance Prediction.（BAMIC）

引入

  论文地址

学前娱乐

很久很久以前，在森林中有一一个老虎王国，老虎国王生下了一对兄妹。哥哥拥有一双千里眼，可以看到千里之外的事物，妹妹拥有一双顺风耳，可以听到千里之外的声音。哥哥和妹妹每天幸福的生活在一-起，哥哥总是给妹妹讲起他在千里外看到的景色，妹妹则给哥哥讲述千里之外的美妙乐曲。渐渐的，他们相爱了，但亲兄妹是不能在-起的，兄妹两伤心欲绝,哥哥戳瞎了自己的眼睛，他认为，如果不能和妹妹在一起，那他有这样一双眼睛，又有什么用呢?妹妹弄聋了自己的耳朵，她认为，如果不能和哥哥在一起那样，这样- -双耳朵就没什么用了。许多年以后，一个作曲家听说他们的故事,他在这对老虎兄妹感动，于是创作了一段曲子，调我不记得了，不过歌词是这样的:“两只老虎，两只老虎，跑得快，跑得快。一只没有眼睛，一只没有耳朵, 真奇怪，真奇怪。”

提出问题

   由于之前的学习都是建议在有监督上面的，尚未研究没有标签的包的无监督多实例学习。BAMIC 就是来解决这个问题的；
   先把一个包看作一个原子数据，然后使用某种方式来计算包之间的距离，BAMIC 采用的是流行的 $K-MEDIODS$ 算法来将未带标签的包分成 $k$ 个不相关的包；
  基于上面的聚类结果，一种新的多示例预测算法 $BARTMIP$ 也被提出；
  首先，每一个包都会被映射成一个 $k$ 维向量，第 $i$ 个特征值是与第 $i$ 个聚类中心的距离；
  将包转换为特征向量，以便普通的受监督学习者从转换后的特征向量中学习，每个向量都与原始包的标签相关联。

BAMIC (BAg-level Multi-Instance Clustering )

  其实，说白了，$BAMIC$ 就是在包的水平上聚类，用的聚类方式是 $K-MEDIODS$ ,采用的距离度量则是 Hausdorff ，在 $BAMIC$ 基础上，又提出了 $BARTMIP$ (BAg-level Representation Transformation for Multi-Instance Prediction) ，$BARTMIP$ 则是把每个包映射成一个 $k$ 维向量，其中第 $i$ 个特征向量是包与第 $i$ 个聚类簇的距离。

算法一：BAMIC

在BAMIC聚类中，由于他是在包级别的聚类，因此不能直接调用sklearn的KMeans，只有自己写一次。

输入 ：

  1）训练包；
  2）聚类簇数量；
  2）每个包之间的距离 (包之间的距离由 Hausdorff 公式给出)。
提示：关于 Hausdorff 公式 可以自己去了解一下。

输出 ：

  1）每一个簇集合；
  2）簇中心。

过程

  1）先随机选取训练包中的 $k$ 个包来当簇中心；
  2）然后计算其余包与这 $k$ 个包的距离，将其分配给离他最近的那个簇；
  3）接下来算每个簇中包之间的距离，距离最小的那个包，就是新的簇中心；
  4）重复 2-3，直到簇中心不在变化或者达到一定的迭代次数；
  5）得到 $k$ 个簇中心和簇。

算法二 映射

  这部分就更好理解了，就是将BAMIC选出来的簇中心 $C$ ，然后每一个包对这些簇中心都会有一个距离，这些距离组成一个 $k$ 维的向量 ；因此每一个包都会被映射成一个 $k$ 维的向量。

输入

  1）训练包（带标签），测试包；
  2）包之间的距离 Bag_dist ;
  3）学习器（分类器）。

输出

  测试标签。

过程

  1）由算法一BAMIC获得 $k$ 个簇中心；
  2）然后每一个包都会对这 $k$ 个簇中心来计算一个距离，这 $k$ 个距离组成一个$k$ 维的向量。
  3）最后通过SVM 分类器来对训练包的一个向量来得到一个模型，用这个模型来对映射后的测试包来进行预测。得到一组测试标签，输出。

总结

  其实每一篇论文只要弄清楚了之后，思路要很清晰，这样我们就会对每一步都掌握的很好，也不至于看到论文就头痛，要静下心来学习，得到一个有效的进步。