劃分分類模型中主動學習關鍵技術研究.pdf

1、在機器學習中，主動學習可以避免分類模型被動地接受樣本信息，有選擇地從未標注樣本集中選取信息量最大的樣本進行專家標注，然后通過對較少的大信息量樣本進行學習，得到代價小、性能高的分類器。隨著獲得的未標注樣本數(shù)據(jù)越來越多，人工標注的代價較高并且難度較大，因此，需要對選擇標注的樣本數(shù)量嚴格控制。本文針對主動學習采樣過程中存在的問題，在借鑒國內外最新思路的基礎上，研究改進了一些主動學習和樣本選擇算法。
　　首先，在充分考慮樣本不確定性置信度

2、模型和樣本代表性置信度模型的基礎之上，討論了基于樣本不確定性和代表性相結合的可控主動學習算法，通過設置合適的分類正確率變化參數(shù)，實現(xiàn)主動學習選擇樣本數(shù)量的可調控制。
　　其次，在基于原型的主動學習基礎上，為解決樣本不確定性置信度模型和樣本代表性置信度模型在結合方式上缺乏適應性的問題，引入偏倚賴權值系數(shù)函數(shù)，研究了基于不同樣本屬性綜合的魯棒偏倚賴主動學習算法。該算法利用偏倚賴權值系數(shù)函數(shù)充分挖掘不同樣本屬性，突出樣本特性，解決針對不