[发明专利]一种基于支持向量机的主动学习方法无效
| 申请号： | 201310122244.2 | 申请日： | 2013-04-09 |
| 公开（公告）号： | CN103198052A | 公开（公告）日： | 2013-07-10 |
| 发明（设计）人： | 冷严;徐新艳 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06F15/18 | 分类号： | G06F15/18 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 郑华清 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明具体公开了一种基于支持向量机的主动学习方法。该方法在主动学习的每轮迭代过程中，从距离支持向量机分类器的分类面较近的样本中进一步挖掘样本的信息量，进而挑选信息含量更大的样本进行人工标注，以达到提高分类器的分类性能，减少人工标注工作量的目的。考虑到支持向量机边界（margin）内的样本距离分类面较近，本发明实施例将支持向量机边界内的样本作为信息含量较大的候选样本。在这些候选样本中，本发明实施例进一步选择那些处在两类边界概率较大的样本作为信息含量更大的样本交由专家进行人工标注。 | ||
| 搜索关键词： | 一种 基于 支持 向量 主动 学习方法 | ||
【主权项】：
一种基于支持向量机的主动学习方法，其特征在于，包括以下步骤：步骤1用初始已标注样本集L训练初始SVM分类器；步骤2用SVM分类器从未标注样本集U中寻找落在其边界内的候选样本，组成候选样本集S；步骤3从候选样本集S中挑选信息含量最大的样本交给专家标注；步骤4将专家标注后的样本放入已标注样本集L中；步骤5用更新的已标注样本集L重新训练SVM分类器；步骤6根据停止准则判断是退出循环还是继续迭代。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东师范大学，未经山东师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310122244.2/，转载请声明来源钻瓜专利网。
