基于动态确定度传播的选择性采样

摘要：

传统主动学习中采用的批量采样模式忽略了样本之间的相互关系,因而会不可避免地引入冗余.针对上述问题,提出了一种动态批量采样模式,采取“逐一标注,批量训练”的流程,综合利用当前分类模型和先前标注样本对后续采样进行动态指导；在此基础上,进一步提出了基于动态确定度传播的选择性采样算法,有效地提高了所选取样本的信息量.实验结果证明,基于动态确定度传播的选择性采样算法能够显著改进分类结果.

关键词：相关反馈、半监督学习、主动学习、多视角学习、选择性采样

所属期刊栏目：29

分类号：TP37(计算技术、计算机技术)

资助基金：中央级公益性科研院所基本科研业务费专项资金资助项目ZD2011-7-3;中国科学技术信息研究所科研项目预研资金资助项目YY-201114;国家自然科学基金资助项目60475010

在线出版日期：2012-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1929-1933,1937