论文部分内容阅读
多示例学习是一种新型机器学习框架，以往的研究主要集中在多示例分类上，最近多示例回归受到了国际机器学习界的关注．流形学习旨在获得非线性分布数据的内在结构，可以用于非线性降维．文中基于流形学习技术，提出了用于解决多示例同归问题的Mani MIL算法．该算法首先对训练包中的示例降维，利用降维结果出现坍缩的特性对多示例包进行预测．实验表明，Mani MIL算法比现有的多示例算法例如Citation-kNN等有更好的性能．