基于主动学习的有监督在线多核学习算法

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。

关键词：主动学习、在线学习、多核学习

所属期刊栏目：34

分类号：TP181(自动化基础理论)

资助基金：陕西省自然科学基础研究计划资助项目2015JM6347；商洛市科技计划项目SK2014-01-15；商洛学院科研项目14SKY026

在线出版日期：2016-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1423-1427