基于BvSBHC的主动学习多类分类算法

摘要：

对尽量少的样本进行人工标注并获得较好的分类性能是图像分类应用的一个关键问题.针对标注样本选择,提出了一种综合样本不确定性度量和代表性度量的主动学习样本选择准则.基于最优标号和次优标号(Best vs.second-best,BvSB)的主动学习方法构建不确定性度量,利用分层聚类(Hierarchical Clustering,HC)方法得到数据集的分层聚类树,然后依据聚类树结构和已标注样本在其中的分布信息定义每个未标注样本的代表性度量.将新方法与随机样本选择以及BvSB主动学习方法进行了比较,对1个光学图像集和1个全极化SAR数据集分类问题的实验结果显示,新方法性能稳定,优于其他两种方法.

关键词：主动学习、分层聚类、图像分类

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金41161065,40901207

在线出版日期：2013-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：309-312