登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于最远总距离采样的代价敏感主动学习
  • 摘要

    主动学习旨在通过人机交互减少专家标注,代价敏感主动学习则致力于平衡标注与误分类代价.基于三支决策(3WD)和标签均匀分布(LUD)模型,提出一种基于最远总距离采样的代价敏感主动学习算法(CAFS).首先,设计了最远总距离采样策略,以查询代表性样本的标签;其次,利用了LUD模型和代价函数,计算期望采样数目;最后,使用了k-Means聚类技术分裂已获得不同标签的块.CAFS算法利用三支决策思想迭代地进行标签查询、实例预测和块分裂,直至处理完所有实例.学习过程在代价最小化目标的控制下进行.在9个公开数据上比较,CAFS比11个主流的算法具有更低的平均代价.

  • 作者

    任杰  闵帆  汪敏  REN Jie  MIN Fan  WANG Min 

  • 作者单位

    西南石油大学计算机科学学院,成都,610500/西南石油大学电气信息学院,成都,610500

  • 刊期

    2019年9期 ISTIC PKU

  • 关键词

    主动学习  k-Means聚类  标签均匀分布  三支决策 

相似文献 查看更多>>
3.234.208.66