[發明專利]對小樣本學習任務生成集成分類器的可視分析系統和方法

在審

• 申請號: 202110542475.3
• 申請日: 2021-05-18
• 公開（公告）號: CN113344038A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 劉世霞;楊維鎧;張幸幸;肖嵐茜;朱軍
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06N20/20
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 王萌

本發明提出了一種用于對小樣本學習任務生成集成分類器的可視分析系統和方法，其中，系統包括：接收模塊用于接收多個基學習器和多個樣本；基學習器選擇模塊用于根據多個基學習器和多個樣本，選擇適合小樣本學習任務的基學習器；樣本選擇模塊用于根據選擇的基學習器和多個樣本，選擇適合小樣本學習任務的有標注樣本；集成分類器生成模塊用于根據選擇的基學習器和選擇的有標注樣本，生成集成分類器；可視化模塊用于顯示集成分類器對多個樣本的分類結果。

技術領域

本發明涉及計算機技術，特別地，本發明涉及一種用于對小樣本學習任務生成集成分類器的可視分析系統、方法、以及計算機可讀存儲介質。

技術背景

隨著大數據時代的到來，數據驅動的機器學習方法在許多領域取得了成功，而這些成功的一個重要因素是機器學習使用了大量的有標注樣本。然而在現實應用中，大量的有標注樣本通常不易獲得，有時只能獲得極少量的有標注樣本。在機器學習，僅使用極少量的有標注樣本很容易產生過擬合的問題。與之相對的，人類擁有快速學習的能力，擅長通過極少量的有標注樣本就能識別新類別物體，而深度學習在此情況下很容易產生過擬合。因此，如何讓機器學習方法在僅有極少量的有標注就能得到不錯的性能，即小樣本學習問題，成為了機器學習領域中重要的研究方向之一。另外，通過小樣本學習訓練一個機器學習模型涉及的過程也非常復雜，人們對其理解有限。因此，利用可視化技術展示機器學習模型是現在工業界研究的熱點。相關技術中的機器學習模型可視化工具為用戶提供機器學習模型的分類結果，能夠使得用戶更深入地理解機器學習模型，并幫助用戶生成性能更好的機器學習模型。

發明內容

本發明旨在至少在一定程度上解決上述技術問題。

為此，本發明的第一個目的在于提出一種用于對小樣本學習任務生成集成分類器的可視分析系統，該系統使得用戶可從多個基學習器和多個樣本中選擇適合小樣本學習任務的基學習器和有標注樣本，進而建立性能更好的集成分類器。

本發明的第二個目的在于提出一種在用于對小樣本學習任務生成集成分類器的可視分析系統中選擇基學習器和有標注樣本并建立集成分類器方法。

本發明的第三個目的在于提出一種對小樣本圖像集合選擇圖像基學習器和有標注圖像樣本并建立圖像集成分類器的方法。

本發明的第四個目的在于提出一種計算機可讀存儲介質。

本發明的第五個目的在于提出一種計算機程序產品。

為達上述目的，根據本發明第一方面實施例提出了一種用于對小樣本學習任務生成集成分類器的可視分析系統，包括：接收模塊，被配置為接收多個基學習器和多個樣本，多個樣本中包含有限數量的有標注樣本；基學習器選擇模塊，被配置為根據多個基學習器和多個樣本，選擇適合小樣本學習任務的基學習器；樣本選擇模塊，被配置為根據選擇的基學習器和多個樣本，選擇適合小樣本學習任務的有標注樣本；集成分類器生成模塊，被配置為根據選擇的基學習器和選擇的有標注樣本，生成集成分類器；可視化模塊，被配置為顯示集成分類器對多個樣本的分類結果。