公开(公告)号：CN104166706B

公开(公告)日：2017-11-03

申请号：CN201410389077.2

申请日：2014-08-08

Applicant: 苏州大学

Inventor： 吴健 ,  赵世泉 ,  赵朋朋 ,  刘纯平 ,  崔志明

IPC: G06F17/30

Abstract: 本发明公开了一种基于代价敏感主动学习的多标签分类器构建方法，直接使用每个样本的特定标签的信息，在标记集上训练初始分类器，然后利用当前分类器在未标记集上进行学习，挑选出一定量误分类代价最大的未标注样本的样本‑标签对，标注所选的样本‑标签对的真实标签值，并将它们加入标记集中，更新训练样本集和分类器。本发明仅需要较少的迭代次数就能达到目标误分类代价，学习的效率大大提高；将采样粒度缩小到样本‑标签对，大大减小了标记样本的代价，尤其在标签数目很大的多标签分类中效果更明显。

公开(公告)号：CN104166706A

公开(公告)日：2014-11-26

申请号：CN201410389077.2

申请日：2014-08-08

Applicant: 苏州大学

Inventor： 吴健 ,  赵世泉 ,  赵朋朋 ,  刘纯平 ,  崔志明

IPC: G06F17/30

CPC classification number: G06K9/6268

Abstract: 本发明公开了一种基于代价敏感主动学习的多标签分类器构建方法，直接使用每个样本的特定标签的信息，在标记集上训练初始分类器，然后利用当前分类器在未标记集上进行学习，挑选出一定量误分类代价最大的未标注样本的样本-标签对，标注所选的样本-标签对的真实标签值，并将它们加入标记集中，更新训练样本集和分类器。本发明仅需要较少的迭代次数就能达到目标误分类代价，学习的效率大大提高；将采样粒度缩小到样本-标签对，大大减小了标记样本的代价，尤其在标签数目很大的多标签分类中效果更明显。