×
O.L.Mangasarian。;Wild，E.W.公司。

通过连续线性规划进行多实例分类。 （英语） Zbl 1216.62098号

J.优化。理论应用。 137，第3期，555-568（2008）.
摘要：多实例分类问题是用线性或非线性核表示的，它是有限维（非整数）实空间中线性函数在线性和双线性约束下的极小化。提出了一种线性化算法，用于求解一系列在几次迭代后收敛到局部解的快速线性规划。对大量数据集的计算结果表明，该算法与更复杂的整数规划和其他公式相比具有竞争力。我们的线性分类器没有被其他多实例分类器共享的一个显著方面是它所使用的特征的稀疏数量。在某些任务中，减少的功能不到原始功能的1%。

引用于17文件

MSC公司：

62小时30分 分类和区分；聚类分析（统计方面）
90C05（二氧化碳） 线性规划
90 C90 数学规划的应用
65C60个 统计中的计算问题（MSC2010）

关键词：

多实例学习;支持向量机;逐次线性化算法;双线性约束

软件：

RSVM公司;Matlab公司;UCI-毫升;CPLEX公司
PDF格式BibTeX公司 XML格式引用
\textit{O.L.Mangasarian}和\textit{E.W.Wild}，J.Optim。理论应用。137，第3号，555--568（2008；Zbl 1216.62098）
全文： 内政部 链接

参考文献：

[1] Dietterich，T.G.，Lathrop，R.H.，Lozano-Perez，T.：用轴平行矩形解决多重实体问题。Artif公司。智力。89, 31–71 (1998) ·Zbl 1042.68650号 ·doi:10.1016/S0004-3702（96）00034-3
[2] Auer，P.：关于从多实例中学习：理论方法的实证评估。摘自：《第14届机器学习国际会议论文集》，第21-29页。Morgan Kaufmann，圣马特奥（1997）
[3] Long，P.M.，Tan，L.：PAC学习轴对齐矩形，与来自多个实例的产品分布相关。机器。学习。30(1), 7–22 (1998) ·Zbl 0892.68082号 ·doi:10.1023/A:1007450326753
[4] Andrews，S.，Tsochantaridis，I.，Hofmann，T.：用于多实例学习的支持向量机。摘自：Becker，S.、Thrun，S.和Obermayer，K.（编辑）《神经信息处理系统的进展》15，第561-568页。麻省理工学院出版社，剑桥（2003）
[5] Zhang，Q.，Goldman，S.A.：EM-DD：一种改进的多因素学习技术。摘自：《神经信息处理系统2001》，第1073-1080页。麻省理工学院出版社，剑桥（2002）
[6] Gartner，T.、Flach，P.A.、Kowalczyk，A.、Smola，A.J.：多实例内核。摘自：Sammut，C.，Hoffmann，A.（eds.）《第19届机器学习国际会议论文集》，第179-186页。Morgan Kaufmann，圣马特奥（2002）
[7] Ray，S.，Craven，M.：监督学习与多实例学习：实证比较。摘自：《第22届机器学习国际会议论文集》，德国波恩，第119卷，第697-704页。关联计算。马赫数。，纽约（2005）
[8] Schölkopf，B.，Smola，A.：用内核学习。麻省理工学院出版社，剑桥（2002）·Zbl 1019.68094号
[9] Cortes，C.，Vapnik，V.：支持向量网络。机器。学习。20, 273–279 (1995) ·兹比尔08316.8098
[10] Mangasarian，O.L.：广义支持向量机。收录于：Smola，A.、Bartlett，P.、Schölkopf，B.、Schurmans，D.（编辑）《大边距分类器的进展》，第135–146页。麻省理工学院出版社，剑桥（2000）。ftp://ftp.cs.wisc.edu/math-prog/tech-reports/98-14.ps
[11] Vapnik，V.N.：《统计学习理论的本质》，第二版。施普林格，纽约（2000年）·Zbl 0934.62009号
[12] Bradley，P.S.，Mangasarian，O.L.：通过凹最小化和支持向量机进行特征选择。摘自：Shavlik，J.（编辑）《第15届机器学习国际会议论文集》，加利福尼亚州旧金山，第82-90页。Morgan Kaufmann，San Mateo（1998年）。ftp://ftp.cs.wisc.edu/math-prog/tech-reports/98-03.ps
[13] Zhu，J.，Rosset，S.，Hastie，T.，Tibshirani，R.：1-范数支持向量机。摘自：Thrun，S.、Saul，L.K.、Schölkopf，B.（编辑）《神经信息处理系统进展》16–NIPS2003，第49–56页。麻省理工学院出版社，剑桥（2004）·Zbl 1222.68213号
[14] Mangasarian，O.L.：任意形式的分离面。操作。Res.Lett公司。24, 15–23 (1999). ftp://ftp.cs.wisc.edu/math-prog/tech-reports/97-07r.ps ·Zbl 1028.90037号 ·doi:10.1016/S0167-6377（98）00049-2
[15] Murphy，P.M.，Aha，D.W.：UCI机器学习库（1992）。www.ics.uci.edu/\（\sim\）mlearn/MLRepository.html
[16] Bouckaert，R.R.：基于校准测试在两种学习算法之间进行选择。摘自：《第20届机器学习国际会议论文集》，第51–58页（2003）
[17] 弗里德曼：使用秩来避免方差分析中隐含的正态假设。《美国统计协会杂志》32、675–701（1937）·doi:10.2307/2279372
[18] Dunn，O.J.：均值之间的多重比较。《美国统计协会期刊》56、52–64（1961）·Zbl 0103.37001号 ·doi:10.2307/2282330
[19] Demšar，J.：多个数据集上分类器的统计比较。J.马赫。学习。第7号决议，1–30（2006年）·Zbl 1222.68184号
[20] MATLAB：用户指南。MathWorks，Inc.，马萨诸塞州纳蒂克，邮编01760（1994-2006）。http://www.mathworks.com
[21] ILOG：内华达州斜面村，ILOG CPLEX 9.0用户手册（2003）。http://www.ilog.com/products/cplex/
[22] Lee，Y.-J.，Mangasarian，O.L.：RSVM：简化支持向量机。摘自：2001年4月5日至7日在芝加哥举行的第一届SIAM国际数据挖掘会议记录。CD-ROM（2001）。ftp://ftp.cs.wisc.edu/pub/dmi/tech-reports/00-07.ps
[23] Maron，O.，Ratan，A.L.：自然场景分类的多实例学习。参加：第十五届机器学习国际会议，加利福尼亚州旧金山，Morgan Kaufmann，San Mateo（1998）
[24] Ramon，J.，De Raedt，L.：多实例神经网络，In:ICML-2000会议录。属性值和关系学习研讨会（2000年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。