[發(fā)明專利]一種基于支持向量機(jī)的主動(dòng)學(xué)習(xí)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310122244.2
• 申請(qǐng)日: 2013-04-09
• 公開(kāi)（公告）號(hào): CN103198052A
• 公開(kāi)（公告）日: 2013-07-10
• 發(fā)明（設(shè)計(jì)）人: 冷嚴(yán);徐新艷
• 申請(qǐng)（專利權(quán)）人: 山東師范大學(xué)
• 主分類號(hào): G06F15/18
• 分類號(hào): G06F15/18
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 鄭華清

1.一種基于支持向量機(jī)的主動(dòng)學(xué)習(xí)方法，其特征在于，包括以下步驟：

步驟1用初始已標(biāo)注樣本集L訓(xùn)練初始SVM分類器；

步驟2用SVM分類器從未標(biāo)注樣本集U中尋找落在其邊界內(nèi)的候選樣本，組成候選樣本集S；

步驟3從候選樣本集S中挑選信息含量最大的樣本交給專家標(biāo)注；

步驟4將專家標(biāo)注后的樣本放入已標(biāo)注樣本集L中；

步驟5用更新的已標(biāo)注樣本集L重新訓(xùn)練SVM分類器；

步驟6根據(jù)停止準(zhǔn)則判斷是退出循環(huán)還是繼續(xù)迭代。

2.如權(quán)利要求1所述的一種基于支持向量機(jī)的主動(dòng)學(xué)習(xí)方法，其特征在于，用SVM分類器從未標(biāo)注樣本集U中尋找落在其邊界內(nèi)的候選樣本，組成候選樣本集S的方法如下：以SVM分類器邊界內(nèi)的樣本作為候選樣本，組成候選樣本集S，即：

S＝{x_i|x_i∈U,且|f(x_i)|＜1}

放入候選樣本集S中的樣本應(yīng)同時(shí)從未標(biāo)注樣本集U中移除。

3.如權(quán)利要求1所述的一種基于支持向量機(jī)的主動(dòng)學(xué)習(xí)方法，其特征在于，所述步驟3中，從候選樣本集S中挑選信息含量最大的樣本的方法如下：首先對(duì)候選樣本集S中的每個(gè)樣本xi，從已標(biāo)注樣本集L中尋找其K個(gè)最近鄰樣本，記作假設(shè)這K個(gè)最近鄰樣本中，正類樣本的數(shù)目為kⁱ₊,負(fù)類樣本的數(shù)目為kⁱ_-，求兩者中的最小值，即：

ki=min{k+i,k-i}]]>

最后，從候選樣本集S中尋找kⁱ值最大的那個(gè)未標(biāo)注樣本作為信息含量最大的樣本，并將其交由專家進(jìn)行人工標(biāo)注，而對(duì)于候選樣本集S中其余的樣本，應(yīng)當(dāng)將其從候選樣本集S中移除，并重新放回未標(biāo)注樣本集U中。

4.如權(quán)利要求1所述的一種基于支持向量機(jī)的主動(dòng)學(xué)習(xí)方法，其特征在于，所述步驟6中，停止準(zhǔn)則的設(shè)定方法如下：采用最大迭代次數(shù)作為停止準(zhǔn)則，即設(shè)定迭代次數(shù)的最大值，當(dāng)?shù)螖?shù)達(dá)到此最大值時(shí)則停止迭代；最大迭代次數(shù)的取值可以根據(jù)標(biāo)注專家對(duì)標(biāo)注工作量的接受程度來(lái)定，即，如果標(biāo)注專家在主動(dòng)學(xué)習(xí)的迭代過(guò)程中最多愿意標(biāo)注I個(gè)樣本，則最大迭代次數(shù)的取值即設(shè)定為I。