大数据时代,数据的收集、存储、传输和处理能力正在飞速提升,机器学习正是处理数据时,不可或缺的核心技术.多示例学习是一种重要的机器学习方法,它是一类以包为研究对象,特殊的监督学习.一个包中有多个示例,包的标签已知,而包中示例的标签未知.现实中,很多事物都可以抽象为包,如药物分子、图像、文本等,与用一个示例表示相比,将它们用包（多个示例）表示更为恰当,因此,多示例学习自提出以来就受到了高度关注,其在理论与应用的研究上都取得了极大的发展.本文针对多示例学习中的示例选择问题进行了研究,做了以下工作:针对一些多示例算法对正包中的示例情况做出假设的问题,提出了基于模糊聚类的多示例集成算法（ISFC）.首先,结合模糊聚类和多示例学习中负包的特点,提出了“正得分”的概念,用于衡量示例标签为正的可能性,降低了多示例学习中示例标签的歧义性;然后,考虑到多示例学习中将负示例分类错误的代价更大,设计了一种包代表示例的选择策略,选出的代表示例作为基分类器的训练子集.该选择策略通过样本扰动保证了各基分类器的多样性,设计了一种Bagging集成的变体.同时,该选择策略能够解决正包数量多、负包数量少情况下的类别不平衡问题;最后,结合各基分类器的决策结果,得到最终的决策值.ISFC算法对正包中正示例的比例和分布未做任何假设.实验结果表明,该算法在药物分子活性预测、图像分类、文本分类任务上都取得了较好的分类效果.针对判别式包映射多示例学习算法（MILDM）中代表示例选择数量不合理这一问题,提出了两个改进的MILDM算法:结合共享近邻的判别式包映射多示例学习算法（DBMSN）和结合局部密度的判别式包映射多示例学习算法（DBMLD）.包映射多示例学习算法通过一些代表示例,将包映射为新特征空间中的单示例,然后训练示例级的分类器.此类方法的关键问题是代表示例的选择,代表示例的质量影响着最终分类器的质量.本文认为MILDM算法选择代表示例的数量不合理,遗漏了重要的示例,因此提出了两个改进,它们都基于以下思想:若某一个示例具有代表性,那么与其相似的那些示例也应该具有代表性.DBMSN算法基于共享近邻,从训练包中筛选出一些新的示例,作为新增的代表示例.DBMLD算法基于局部密度,在局部密度较低的代表示例周围生成新的示例,作为新增的代表示例.它们都是自适应的方法,无需事先确定新增代表示例的数量.实验结果表明,两种改进算法的泛化性能较MILDM算法有所提升,与其他多示例算法相比,也具有一定的竞争力.