结合半监督与主动学习的时间序列PU问题分类

• 作者: 朱福喜 陈娟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 时间序列 正例和无标记样本(PU)问题 分类 主动学习 半监督学习
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 116-121
• 页数: 6页
• 分类号: TP311.6
• 字数: 6962字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1701-0118

摘要

目前基于PU问题的时间序列分类常采用半监督学习对未标注数据集U中数据进行自动标注并构建分类器,但在这种方法中,边界数据样本类别的自动标注难以保证正确性,从而导致构建分类器的效果不佳.针对以上问题,提出一种采用主动学习对未标注数据集U 中数据进行人工标注从而构建分类器的方法OAL(Only Active Learning),基于投票委员会(QBC)对标注数据集构建多个分类器进行投票,以计算未标注数据样本的类别不一致性,并综合考虑数据样本的分布密度,计算数据样本的信息量,作为主动学习的数据选择策略.鉴于人工标注数据量有限,在上述OAL方法的基础上,将主动学习与半监督学习相结合,即在主动学习迭代过程中,将类别一致性高的部分数据样本自动标注,以增加训练数据中标注数据量,保证构建分类器的训练数据量.实验表明了该方法通过部分人工标注,相比半监督学习,能够为PU数据集构建更高准确率的分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈娟	武汉大学计算机学院	73	552	14.0	21.0
2	朱福喜	武汉大学计算机学院	46	250	9.0	13.0