基于大间隔分类准则的多示例学习特征加权方法

摘要

本发明公开了一种基于大间隔分类准则的多示例学习特征加权方法，其实现方案包括初始化正包代表示例和负包代表示例，构建待优化问题，以及更新待优化问题的三类未知变量共计三个步骤。通过启发式搜索方法找出正包中能够正确表示包的类别标记的代表示例，从而解决了正包中示例的类别标记模糊性问题；通过坐标上升法进行多次迭代，使得待优化问题能够收敛到一个局部最优解；根据每个特征对识别的贡献大小赋予其相对权重，采用特征加权后的数据进行识别能够获得比采用原始数据进行识别更高的识别精度。