一种基于EM和分类损失的半监督主动DBN学习算法

被引：11

作者：

赵悦 ^{[1
]}

穆志纯 ^{[2
]}

李霞丽 ^{[1
]}

潘秀琴 ^{[1
]}

机构：

[1] 中央民族大学数学与计算机学院

[2] 北京科技大学信息工程学院

来源：

小型微型计算机系统 | 2007年 / 04期

关键词：

动态贝叶斯网络; 半监督学习; 主动学习; EM算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

对于建立动态贝叶斯网络(DBN)分类模型时,带有类标注样本数据集获得困难的问题,提出一种基于EM和分类损失的半监督主动DBN学习算法.半监督学习中的EM算法可以有效利用未标注样本数据来学习DBN分类模型,但是由于迭代过程中易于加入错误的样本分类信息而影响模型的准确性.基于分类损失的主动学习借鉴到EM学习中,可以自主选择有用的未标注样本来请求用户标注,当把这些样本加入训练集后能够最大程度减少模型对未标注样本分类的不确定性.实验表明,该算法能够显著提高DBN学习器的效率和性能,并快速收敛于预定的分类精度.

引用

页码：656 / 660

页数：5

共 6 条

[1]

图像检索中基于标记与未标记样本的主动学习算法 [J].