基于最佳样本标记的主动支持向量机学习策略

• 作者: 胡正平
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 主动学习 核函数 支持向量机 被动学习 无监督聚类
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 应用
• 页码范围: 105-107
• 页数: 3页
• 分类号: TN91
• 字数: 2875字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2008.01.024

摘要

支持向量机通过随机选择标记的训练样本进行有监督学习,随着信息容量的增加和数据收集能力的提高,这需要耗费大量的标记工作量,给实际应用带来不少困难.本文提出了基于最佳样本标记的主动支持向量机学习策略:首先利用无监督聚类选择一个小规模的样本集进行标记,然后训练该标记样本集得到一个初始SVM分类器,然后利用该分类器主动选择最感兴趣的无标记样本进行标记,逐渐增加标记样本的数量,并在此基础上更新分类器,反复进行直到得到最佳性能的分类器.实验结果表明在基本不影响分类精度的情况下,主动学习选择的标记样本数量大大低于随机选择的标记样本数量,这大大降低了标记的工作量,而且训练速度同样有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡正平	燕山大学通信电子工程系	160	1215	17.0	28.0