期刊专题

10.3969/j.issn.1002-137X.2011.04.050

基于SVM期望间隔的多标签分类的主动学习

引用
分类是数据挖掘领域研究中的核心技术之一.得到一个性能良好的分类器需要大量的训练样本,而对样本进行标记是一个十分消耗资源的过程,时多标签样本进行标记就更加困难.为了尽可能降低标记样本的成本,需要找出最能代表类别信息的样本.在基于SVM的分类方法中,分类器间隔越大,分类的精度就会越差.提出了一种基于期望间隔的主动学习方法,即依据当前分类器,选择最快缩小分类间隔的样本.通过实验证明,基于期望间隔的学习策略比基于决策值以及基于后验概率的策略有着更好的学习效果.

多标签、后验概率、期望间隔、主动学习、支持向量机

38

TP3(计算技术、计算机技术)

2011-08-04(万方平台首次上网日期,不代表论文的发表时间)

共4页

230-232,266

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

38

2011,38(4)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn