本文關鍵詞：在線序列主動學習方法　出處：《計算機科學》2017年01期 　論文類型：期刊論文

  更多相關文章： 主動學習 極限學習機 在線序列學習 樣例熵 K-近鄰

【摘要】：現(xiàn)實世界中存在著大量無類標的數(shù)據(jù),如各種醫(yī)療圖像數(shù)據(jù)、網(wǎng)頁數(shù)據(jù)等。在大數(shù)據(jù)時代,這種情況更加突出。標注這些無類標的數(shù)據(jù)需要付出巨大的代價。主動學習是解決這一問題的有效手段,也是近幾年機器學習和數(shù)據(jù)挖掘領域中的一個研究熱點。提出了一種基于在線序列極限學習機的主動學習算法,該算法利用在線序列極限學習機增量學習的特點,可顯著提高學習系統(tǒng)的效率。另外,該算法用樣例熵作為啟發(fā)式度量無類標樣例的重要性,用K-近鄰分類器作為Oracle標注選出的無類標樣例的類別。實驗結果顯示,提出的算法具有學習速度快、標注準確的特點。
[Abstract]:In the real world, there are a large number of unclassified data, such as various medical image data, web data, etc. In the big data era. This situation is more prominent. Tagging these unmarked data has to pay a huge price. Active learning is an effective means to solve this problem. It is also a hot topic in the field of machine learning and data mining in recent years. An active learning algorithm based on online sequence limit learning machine is proposed. The algorithm can significantly improve the efficiency of learning system by using the characteristics of incremental learning of online sequence limit learning machine. In addition, the algorithm uses sample entropy as a heuristic to measure the importance of non-class sample. The K-nearest neighbor classifier is used as the classification of the non-class sample selected by Oracle. The experimental results show that the proposed algorithm has the advantages of fast learning speed and accurate labeling.
【作者單位】： 河北大學數(shù)學與信息科學學院河北省機器學習與計算智能重點實驗室;河北大學計算機科學與技術學院;中國氣象局氣象干部培訓學院河北分院;
【基金】：國家自然科學基金項目(71371063) 河北省自然科學基金項目(F2013201220) 河北省高等學校科學技術研究重點項目(ZD20131028) 河北省高等學�？茖W技術研究項目(QN20131153)資助
【分類號】：TP181
【正文快照】： 1引言 主動學習是一種有監(jiān)督學習。與傳統(tǒng)的被動學習不同,在主動學習中,學習器不是被動地接受、處理人類提供的所有數(shù)據(jù),而是主動地選取它所認為最有價值的數(shù)據(jù),并交由領域專家進行標注。主動學習的目標是在可接受精度的前提下,選取盡可能少的樣例以減小標注和學習的代價。 ，

本文編號：1384098