一种基于主动学习的SVM增量训练算法
针对SVM训练学习过程中难以获得大量带有类标注样本的问题,提出一种基于距离比值不确定性抽样的主动SVM增量训练算法(DRB-ASVM),并将其应用于SVM增量训练.实验结果表明,在保证不影响分类精度的情况下,应用主动学习策略的SVM选择的标记样本数量大大低于随机选择的标记样本数量,从而降低了标记的工作量或代价,并且提高了训练速度.
支持向量机、增量训练、主动学习、被动学习、监督学习
TP181(自动化基础理论)
2011-09-07(万方平台首次上网日期,不代表论文的发表时间)
282-286