资 源 简 介
该工具箱包含了四种不同的多实例学习者及其合奏版本的程序。具体而言，该工具箱包含三个部分：1）数据准备 这部分包括三个组成部分： 1.1）原始数据麝香[1]从UCI机器学习库中 1.2）预处理的麝香数据用于进一步的使用 1.3）的功能，用于将麝香数据转换成10倍，这在进行10倍交叉验证实验之前，被称为 1.4），用于执行最小值最大值功能正常化2）个人算法 这部分包括了四种不同的多实例学习计划： 2.1）迭代-Discrim四月[1]，主要功能是“IDAPR” 2.2）引用-KNN[2]，其主要功能是“CKNN” 2.3）多样性密度[3]，其主要功能是“maxDD” 2.4）EM-DD[4]，其主要功能是“EMDD” 对上述算法的详细信息，请参阅correponding代码和注释。3）集成算法 这部分包括了四种不同的多实例学习的合奏节目： 迭代-Discrim APR3.1）合奏 引文-KNN3.2）合奏 多样性密度3.3）合奏 的EM-DD3.4）合奏 供的，上述算法的功能的更多详情，请参见[5]和相应的代码和注释。[1] T.G。 Dietterich，相对湿度莱思罗普和T.洛萨诺 - 佩雷斯。解决多实例问题与轴平行的矩形。人工智能，89（1-2）：31-71，1997。[2] J. Wang和J.-D.朱克。解决多实例问题：一个懒惰的学习方法。在：摩根考夫曼，1119年至1125年，20
