主動學習算法的研究.pdf_第1頁
已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、由于現(xiàn)實生活中存在海量無標簽的數(shù)據(jù)樣本，如果單純依靠人工對這些無標簽數(shù)據(jù)樣本進行標簽的話，花費代價通常會很高。如何以最少的代價給這些海量無標簽數(shù)據(jù)樣本進行標簽這一難題，越來越得到人們的廣泛關注和深入研究。主動學習就是為了解決標簽數(shù)據(jù)樣本匱乏這一瓶頸而產生的，它通過選取少量最具信息量的未標簽數(shù)據(jù)樣本進行標簽，從而建立分類精度較高的主動學習分類器模型，再對其它海量未標簽的數(shù)據(jù)樣本進行分類標簽，大大地提高了工作效率。
　　 本文的研究

2、工作主要分為兩部分：間接構造數(shù)據(jù)樣本主動學習方法和解釋性主動學習方法。
　　 本文的研究工作之一是提出了間接構造數(shù)據(jù)樣本主動學習方法。傳統(tǒng)主動學習方法主要存在以下兩個不足：(1)過分依賴于未標簽數(shù)據(jù)集；(2)不考慮現(xiàn)實生活中數(shù)據(jù)分布狀況?；谝陨系目紤]，本文提出了間接構造數(shù)據(jù)樣本主動學習方法，更加有效地建立主動學習分類器模型。
　　 本文的另一個研究工作是提出了解釋性主動學習方法。傳統(tǒng)主動學習方法往往假設Oracle僅僅

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論