基于混合类别标记新技术的小样本学习算法

• 作者: 李敏丹 殷海兵 沈晔 章东平
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 计算机辅助诊断(CAD) 小样本学习 混合类别标记 隶属度
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 自动化技术、电信技术
• 页码范围: 137-143
• 页数: 7页
• 分类号: TP391
• 字数: 7714字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2016.01.020

摘要

针对计算机辅助诊断(CAD)中标记病例样本难以收集所引起的小样本学习问题,提出基于混合类别标记新技术(HCLT)的小样本学习算法.该算法分别基于几何距离、概率分布及语义概念对大量存在的未标记样本进行差异化标记,将有一致标记结果的样本加入样本集,以此扩大训练样本集.为了减少错误标记样本对学习过程造成的不利影响,提出样本伪标记隶属度并引入模糊支持向量机(FSVM)学习中,由隶属度控制样本对学习过程的贡献程度.基于UCI数据集的实验结果表明,采用该算法能够解决小样本学习问题的有效性.与单一类别标记技术相比,该算法产生的错误标记样本显著减少、学习性能显著改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷海兵	中国计量学院信号与信息处理系	37	80	5.0	6.0
2	章东平	中国计量学院信号与信息处理系	29	80	5.0	7.0
3	沈晔	中国计量学院信号与信息处理系	6	78	3.0	6.0
4	李敏丹	中国计量学院信号与信息处理系	3	70	3.0	3.0