科创中国

基于动态可行域划分的SVM主动学习

原文链接：万方

• 作者：

  张晓宇

• 摘要：

  针对传统SVM主动学习中批量采样方法的不足,提出了动态可行域划分算法.从特征空间与参数空间的对偶关系入手,深入分析SVM主动学习的本质,将特征空间中对样本的标注视为参数空间中对可行域的划分;通过综合利用当前分类模型和先前标注样本两方面信息,动态地优化可行域划分方案,以确保选取的样本对模型改进的价值,最终实现更为高效的选择性采样.实验结果表明,基于动态可行域划分的SVM主动学习算法能够显著提高所选样本的信息量,从而能够在有限的标注代价下大幅提高其分类性能.

• 关键词：

  半监督学习 主动学习 选择性采样 支持向量机 可行域 Semi-supervised learning Active learning Selective sampling Support vector machine Version space

• 作者单位：

  中国科学技术信息研究所战略研究中心,北京100038

• 基金项目：

  中央级公益性科研院所基本科研业务费专项资金项目（ZD2011-7-3）; 中国科学技术信息研究所科研项目预研资金（YY-201114）; 国家自然科学基金项目（60475010）资助

• 来源期刊：

  计算机科学

• 年，卷(期)：

  201239007