基于最远总距离采样的代价敏感主动学习

• 作者: 任杰 汪敏 闵帆
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 主动学习 k-Means聚类 标签均匀分布 三支决策
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2499-2504
• 页数: 6页
• 分类号: TP181
• 字数: 6087字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019020763

摘要

主动学习旨在通过人机交互减少专家标注,代价敏感主动学习则致力于平衡标注与误分类代价.基于三支决策(3WD)和标签均匀分布(LUD)模型,提出一种基于最远总距离采样的代价敏感主动学习算法(CAFS).首先,设计了最远总距离采样策略,以查询代表性样本的标签;其次,利用了LUD模型和代价函数,计算期望采样数目;最后,使用了k-Means聚类技术分裂已获得不同标签的块.CAFS算法利用三支决策思想迭代地进行标签查询、实例预测和块分裂,直至处理完所有实例.学习过程在代价最小化目标的控制下进行.在9个公开数据上比较,CAFS比11个主流的算法具有更低的平均代价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闵帆	西南石油大学计算机科学学院	16	19	3.0	4.0
2	汪敏	西南石油大学电气信息学院	20	65	5.0	7.0
3	任杰	西南石油大学计算机科学学院	10	6	2.0	2.0