基于主动学习的有监督在线多核学习算法
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。
主动学习、在线学习、多核学习
34
TP181(自动化基础理论)
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
2016-10-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
1423-1427