论文部分内容阅读
针对已有神经网络方法采用示例决定标记从而导致多示例学习（MIL）中包结构信息丢失的问题，提出了一种新的RK_BP多示例学习方法．在示例空间，首先采用粗糙集对其进行属性约简；然后进行K均值聚类，利用聚类点构造新包空间；在新空间中，利用误差反向传播神经网络算法进行分类．在多个测试数据集上对算法进行测试，结果表明该算法可有效解决已有神经网络方法包结构信息丢失问题，明显提高分类性能．