10.3969/j.issn.1002-137X.2012.07.039
基于动态可行域划分的SVM主动学习
针对传统SVM主动学习中批量采样方法的不足,提出了动态可行域划分算法.从特征空间与参数空间的对偶关系入手,深入分析SVM主动学习的本质,将特征空间中对样本的标注视为参数空间中对可行域的划分;通过综合利用当前分类模型和先前标注样本两方面信息,动态地优化可行域划分方案,以确保选取的样本对模型改进的价值,最终实现更为高效的选择性采样.实验结果表明,基于动态可行域划分的SVM主动学习算法能够显著提高所选样本的信息量,从而能够在有限的标注代价下大幅提高其分类性能.
半监督学习、主动学习、选择性采样、支持向量机、可行域
39
TP37(计算技术、计算机技术)
中央级公益性科研院所基本科研业务费专项资金项目ZD2011-7-3;中国科学技术信息研究所科研项目预研资金YY-201114;国家自然科学基金项目60475010
2012-12-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
175-177,189