南京航空航天大学学报

作者：王子一，徐苏平，商琳

单位：计算机软件新技术国家重点实验室(南京大学), 南京， 210023;南京大学计算机科学与技术系, 南京， 210023；,计算机软件新技术国家重点实验室(南京大学), 南京， 210023;南京大学计算机科学与技术系, 南京， 210023；,计算机软件新技术国家重点实验室(南京大学), 南京， 210023;南京大学计算机科学与技术系, 南京， 210023；

关键词：集成学习;多粒度;神经网络;分类

基金：国家自然科学基金（61672276, 51975294）资助项目。

深度学习模型已经在文本和图像等分类任务上取得了不错的效果，然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法，与其他学习方法相比，多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中，数据被划分成不同的粒度，用于训练不同的基学习器，这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重，从而构造出一个较好的集成学习器。在实验中，本文验证了所提出模型在3种非结构化数据类型（文本、医学图像和时间序列）上的有效性。实验结果表明， 本文的模型比现有的基准方法简单，具有较好的分类精度，并且能够为数据的分类提供可解释性。

来源：2020年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2020年第5期