基于最远总距离采样的代价敏感主动学习

作     者：任杰 闵帆 汪敏 REN Jie;MIN Fan;WANG Min

作者机构：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 

基　　金：四川省青年科技创新团队专项(2019JDTD0017) 四川省应用基础研究项目(2019JDTD0017)~~ 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2019年第39卷第9期

页      码：2499-2504页

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。

主 题 词：主动学习 k-Means聚类 标签均匀分布 三支决策 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.11772/j.issn.1001-9081.2019020763

馆 藏 号：203781912...