-
公开(公告)号：CN108875816A
公开(公告)日：2018-11-23
申请号：CN201810567407.0
申请日：2018-06-05
Applicant: 南京邮电大学
CPC classification number: G06K9/6223 , G06N3/0454
Abstract: 本发明涉及融合置信度准则和多样性准则的主动学习样本选择策略，包括以下步骤：基于已有的标记数据集DL训练模型Mt；使用Mt对当前未标记数据集DU进行预测，得到预测向量集Pt；根据Pt计算每个样本的信息熵，选择熵值最大的前K个样本；根据Mt提取K个未标记样本的特征表示，得到特征向量集Ft；对Ft进行密度峰值聚类，分别从密度峰值聚类产生的簇中心、簇的边缘点和离群点选取相应比例数量的样本，交由专家标记，加入已标记数据集DL，同时从未标记数据集DU中删除相应样本；利用当前已标记数据集DL对Mt进行更新得到Mt+1；重复上述步骤，直到所有样本标记结束或达到指定迭代次数完成整个算法流程。
Search Results
1
records
(took 0.021 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
