基于动态可行域划分的SVM主动学习

• 作者: 张晓宇
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 半监督学习 主动学习 选择性采样 支持向量机 可行域
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 175-177,189
• 分类号: TP37
• 字数: 5486字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.07.039

摘要

针对传统SVM主动学习中批量采样方法的不足,提出了动态可行域划分算法.从特征空间与参数空间的对偶关系入手,深入分析SVM主动学习的本质,将特征空间中对样本的标注视为参数空间中对可行域的划分;通过综合利用当前分类模型和先前标注样本两方面信息,动态地优化可行域划分方案,以确保选取的样本对模型改进的价值,最终实现更为高效的选择性采样.实验结果表明,基于动态可行域划分的SVM主动学习算法能够显著提高所选样本的信息量,从而能够在有限的标注代价下大幅提高其分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓宇	中国科学技术信息研究所战略研究中心	25	141	6.0	11.0