公开(公告)号：CN106250924B

公开(公告)日：2019-07-16

申请号：CN201610600041.3

申请日：2016-07-27

Applicant: 南京大学

Inventor： 吴建鑫 ,  魏秀参 ,  叶翰嘉

IPC: G06K9/62

Abstract: 本发明公开一种基于多示例学习的新增类别检测方法，首先利用多示例学习中较为成熟的关键示例检测算法将多示例“包”中的关键示例抽取出来；之后，对于每个已知类别，将其对应的关键示例结合为一个“类别超包”，同时未被认定为关键示例的所有示例组成一个“元超包”；随后，包与超包之间的距离就可以通过后续的度量学习来确定。在实用阶段，对于已知类别的包，根据其距离最近的类别超包来判定其概念类别；而对于新增类别的包，由于不存在它对应的类别超包，距离它最近的超包则应为元超包，如此可以根据这一情形来判定其为新增类别。

公开(公告)号：CN106250924A

公开(公告)日：2016-12-21

申请号：CN201610600041.3

申请日：2016-07-27

Applicant: 南京大学

Inventor： 吴建鑫 ,  魏秀参 ,  叶翰嘉

IPC: G06K9/62

CPC classification number: G06K9/6269

Abstract: 本发明公开一种基于多示例学习的新增类别检测方法，首先利用多示例学习中较为成熟的关键示例检测算法将多示例“包”中的关键示例抽取出来；之后，对于每个已知类别，将其对应的关键示例结合为一个“类别超包”，同时未被认定为关键示例的所有示例组成一个“元超包”；随后，包与超包之间的距离就可以通过后续的度量学习来确定。在实用阶段，对于已知类别的包，根据其距离最近的类别超包来判定其概念类别；而对于新增类别的包，由于不存在它对应的类别超包，距离它最近的超包则应为元超包，如此可以根据这一情形来判定其为新增类别。