基于主动学习的有监督在线多核学习算法

• 作者: 冯骜骜 刘宁 赵建华
• 来源期刊: 河南科学
• 关键词: 主动学习 在线学习 多核学习
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 数学与信息科学
• 页码范围: 1423-1427
• 页数: 5页
• 分类号: TP181
• 语种: 中文

摘要

为了提高大规模数据的分类性能，提出一种基于主动学习的有监督在线多核学习算法SOMK_AL （Supervised online multiple kernel learning algorithm based active learning）。首先，采用主动学习的方法缩减数据规模。通过训练生成两个分类器，对读入数据xt进行预测，将两个分类器预测类别不一致的数据作为信息含量高的有标记数据，参与在线学习过程中的核更新；接着，在核集成过程中，通过随机抽样的方法构造核函数集的子集，仅仅在子集中实现核更新，缩减核更新的计算规模。最后，在大规模数据的基准数据集上进行实验，对提出的算法的有效性进行评估，结果表明SOMK_AL能较好地提高数据的分类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宁	商洛学院经济与管理学院	30	97	7.0	8.0
2	赵建华	商洛学院数学与计算机应用学院	39	188	8.0	11.0
3	冯骜骜	清华大学经济管理学院	4	11	2.0	3.0