一种新的支持向量机主动学习策略

被引：28

作者：

白龙飞 ^{[1
]}

王文剑 ^{[2
]}

郭虎升 ^{[1
]}

机构：

[1] 山西大学计算机与信息技术学院

[2] 山西大学计算智能与中文信息处理教育部重点实验室

来源：

南京大学学报(自然科学版) | 2012年 / 48卷 / 02期

关键词：

支持向量机; 主动学习; 置信度;

D O I：

10.13232/j.cnki.jnju.2012.02.008

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

本文提出一种新的支持向量机（support vector machine,SVM）主动学习策略,称为DixSVMactive.通过定义新的数据置信度度量来挑选最有价值样本进行人工标注,并在每次迭代中对训练集的平衡度进行调整,以获得更好的泛化能力.在UCI标准数据集上的测试结果表明,与基于随机选样的SVMactive和传统SVMactive（Tong SVMactive）方法相比,本文算法不仅可以提高分类精度,而且能减少人工标注的工作量.

引用

页码：182 / 189

页数：8

共 4 条

[1]

Least squares support vector machine classifiers [J].