模糊神经网络分类器的主动学习方法

被引：4

作者：

胡静

高隽

杨静

机构：

[1] 合肥工业大学计算机与信息学院图像信息处理研究室

来源：

中国科学技术大学学报 | 2008年 / 03期

关键词：

主动学习算法; 模糊神经网络分类器; 最小-最大边界法; 不确定性阈值; 模糊隶属度值;

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：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性阈值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少.实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短.

引用

页码：241 / 246

页数：6

共 4 条

[1]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,

[2] 图像检索中基于标记与未标记样本的主动学习算法 [J].