基于样本不同属性综合的鲁棒偏倚赖主动学习分类算法研究

• 作者: 任大伟 胡正平 高文涛
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 主动学习 偏倚赖 样本代表性 样本不确定性 分类
• 年，卷（期）: 2011,（1）
• 页码范围: 74-80
• 分类号: TP181
• 字数: 6462字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2011.01.014

摘要

主动学习算法可以有效减少样本标注的工作量,每次选取最有信息量的样本交由专家标注.样本的代表性与不确定性都是衡量样本信息量的重要因素,将两者综合考虑能够获得更好的综合效果,但在两者的结合方式上一直存在不少问题,导致算法的适应性不强.为解决该问题,本文提出了基于样本不同属性的鲁棒偏倚赖主动学习分类算法,通过引入偏倚赖权值系数函数,在综合考虑样本的代表性和不确定性的同时,更可以突出样本的特性.同时由于样本代表性模型的渐变,在选择样本过程中更能突出代表性样本与不确定性样本的学习层次,前期训练以代表性样本为主,后期训练以不确定性样本为主,使得算法的适应性大大提高.在UCI机器学习数据库上的仿真实验结果表明本文的思路是合理可行的,在实验所用数据集上,与所提供的对比算法相比,本文的方法只需较少的标注样本便可以达到相同的分类正确率.

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	燕山大学信息科学与工程学院	160	1215	17.0	28.0
2	任大伟	燕山大学信息科学与工程学院	10	27	3.0	4.0
3	高文涛	燕山大学信息科学与工程学院	4	16	2.0	4.0