基于采样策略的主动学习算法研究进展

摘要：

主动学习算法通过选择信息含量大的未标记样例交由专家进行标记,多次循环使分类器的正确率逐步提高,进而在标记总代价最小的情况下获得分类器的强泛化能力,这一技术引起了国内外研究人员的关注.侧重从采样策略的角度,详细介绍了主动学习中学习引擎和采样引擎的工作过程,总结了主动学习算法的理论研究成果,详细评述了主动学习的研究现状和发展动态.首先,针对采样策略选择样例的不同方式将主动学习算法划分为不同类型,进而,对基于不同采样策略的主动学习算法进行了深入地分析和比较,讨论了各种算法适用的应用领域及其优缺点.最后指出了存在的开放性问题和进一步的研究方向.

关键词：机器学习、主动学习、采样策略、标记代价、样例选择

所属期刊栏目：49

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61171185,60932008,60832010;中国博士后科学基金特别资助项目201003446

在线出版日期：2012-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1162-1173