亚恩·切瓦莱尔;Jean-Daniel Zucker先生 使用决策树和规则集解决多实例和多部分学习问题。应用于诱变问题。 （英文） Zbl 0984.68674号 Stroulia，Eleni（编辑）等，《人工智能进展》。2001年6月7日至9日在加拿大渥太华举行的加拿大智能计算研究学会第14届两年期会议。诉讼程序。柏林：斯普林格。莱克特。票据计算。科学。2056, 204-214 (2001). 摘要：在最近的工作中，Dietterich等人（1997）提出了有监督的多实例学习问题，以及如何通过构建轴平行矩形来解决该问题。当一个对象可能具有不同的可选配置时，就会遇到这个问题，每个配置都由一个向量描述。本文介绍了与多址问题相关的多址问题，并说明了如何使用多址算法来解决该问题。这两个所谓的多重问题在开发学习结构化对象活动与其结构属性之间关系的有效算法以及在关系学习中都可以发挥关键作用。本文分析并试图阐明多重问题的解决方法。它接着提出了经典学习算法的多实例扩展，通过学习多决策树（ID3-MI）和多决策规则（RIPPER-MI）来解决多重问题。特别地，它建议了一个新的多实例熵函数和一个多实例覆盖函数。最后，它成功地将多部分框架应用于著名的突变预测问题。关于整个系列，请参见[Zbl 0967.00072号]. 引用于4文件 MSC公司： 68单位99 计算方法和应用 68T05型 人工智能中的学习和自适应系统 PDF格式BibTeX公司 XML格式引用 \textit{Y.Chevaleyre}和\textit{J.-D.Zucker}，莱克特。票据计算。科学。2056204-214（2001年；Zbl 0984.68674） 全文： 链接