一种基于半监督主动学习的动态贝叶斯网络算法

• 作者: 李霞丽 潘秀琴 穆志纯 赵悦
• 来源期刊: 信息与控制
• 关键词: 动态贝叶斯网络 半监督主动学习 主动学习 最小相对熵 投票熵
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 研究通讯
• 页码范围: 224-229,244
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2007.02.017

摘要

本文提出一种基于半监督主动学习的算法,用于解决在建立动态贝叶斯网络(DBN)分类模型时遇到的难以获得大量带有类标注的样本数据集的问题.半监督学习可以有效利用未标注样本数据来学习DBN分类模型,但是在迭代过程中易于加入错误的样本分类信息,并因而影响模型的准确性.在半监督学习中借鉴主动学习,可以自主选择有用的未标注样本来请求用户标注.把这些样本加入训练集之后,能够最大程度提高半监督学习对未标注样本分类的准确性.实验结果表明,该算法能够显著提高DBN学习器的效率和性能,并快速收敛于预定的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李霞丽	中央民族大学数学与计算机学院	14	56	5.0	6.0
2	穆志纯	北京科技大学信息工程学院	140	1211	16.0	24.0
3	潘秀琴	中央民族大学数学与计算机学院	13	58	5.0	7.0
4	赵悦	中央民族大学数学与计算机学院	12	64	5.0	7.0