基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对主动学习面向大型数据集人工标记成本过高和半监督自训练算法中存在误标记点影响的问题,提出了一种主动学习与半监督自训练交替迭代训练的联合算法.算法在训练过程中奇数轮次采用主动学习算法,偶数轮次采用自训练算法,通过2种算法的交替迭代训练以弥补彼此不足.自训练算法对无标记样本的预测减轻了主动学习标记样本的负担,同时主动学习标记易变成噪声的样本,减轻了自训练算法训练过程中对样本的标记错误.提出了一种基于密度峰值聚类和隶属度的改进主动学习算法:将初始无标记样本聚类成簇,根据隶属度差值在每个簇内选取部分样本做人工标记,获得可表达样本的整体结构的均衡样本.仿真试验表明:提出的联合算法在性能上要优于2种单一算法.对比常见的主动学习算法,改进后的主动学习算法分类性能得到显著提升,将其应用于联合算法中的效果更具优势.
推荐文章
基于主动学习的分类器融合算法
主动学习
分类器
融合算法
融合主动学习的改进贝叶斯半监督分类算法研究
半监督分类
主动学习策略
概率模型
贝叶斯分类
KL距离
基于改进自构形学习算法的RBF网络结构优化
RBF网络
结构优化
自构形学习算法
基于改进主动哈希的URL存储和查找算法
业务选择网关
CRC
哈希
访问度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进主动学习和自训练的联合算法
来源期刊 北京师范大学学报(自然科学版) 学科 工学
关键词 主动学习 自训练算法 密度峰值聚类 联合算法 隶属度
年,卷(期) 2022,(1) 所属期刊栏目
研究方向 页码范围 25-32
页数 8页 分类号 TP301
字数 语种 中文
DOI 10.12202/j.0476-0301.2021186
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
主动学习
自训练算法
密度峰值聚类
联合算法
隶属度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
北京师范大学学报(自然科学版)
双月刊
0476-0301
11-1991/N
大16开
北京新外大街19号
82-406
1956
chi
出版文献量(篇)
3342
总下载数(次)
10
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导