日前，學院機器學習實驗室多示例學習課題組：楊梅副教授、張雨軒（研究生）、閔帆教授與王熙照教授（深圳大學）合著的論文 “Multi-Instance Ensemble Learning With Discriminative Bags”在《IEEE Transactions on Systems Man Cybernetics: Systems（IEEE TSMC）》上發表。IEEE TSMC是中科院SCI一區、計算機科學頂級期刊，影響因子13.451，目前錄取率僅為10%左右。
多示例學習是一種比傳統監督學習更具挑戰性的學習范式，其樣本標簽在包級別給出。流行的多示例特征映射方法將每個包轉換為新特征空間的實例。然而，大多數方法無法保證包在新特征空間中的可區分性，且其模型不具備自增強能力。本論文提出了基于辨別包的多示例集成方法，其總體思想如下圖所示。包選擇技術 (bag selection technique) 分析數據集的空間及標簽分布，設計辨別性指標來選擇一組具有辨別性的包，并設計自增強方案，以提升辨別包的辨別能力；集成技術 (ensemble thchnique) 基于辨別包，訓練多個分類器，并按其性能分配權重，用于提升模型的分類性能及穩定性。
論文鏈接：
https://ieeexplore.ieee.org/document/9617132
http://www.fansmale.com/publications.html
