[发明专利]一种基于SVM的多标签主动学习分类方法及系统

摘要

本申请公开了一种基于SVM的多标签主动学习分类方法及系统，所述方法包括构建候选样本集；确定所述候选样本集内各样本所属的标签集；响应用户操作，将所述候选样本集及候选样本集内各样本所属的标签集进行标注，得到标注的样本；将所述标注的样本加入训练样本集进行训练，更新分类器；利用所述分类器对获取的待分类样本进行分类。所述基于SVM的多标签主动学习分类方法，通过初步确定样本所属的标签集，从而在很大程度上节约了人力成本以及人工标注的时间，从而在节省人力的基础上，还解决了多标签样本的学习分类问题。

主权项

一种基于SVM的多标签主动学习分类方法，其特征在于，包括：构建候选样本集；确定所述候选样本集内各样本所属的标签集；响应用户操作，将所述候选样本集及候选样本集内各样本所属的标签集进行标注，得到标注的样本；将所述标注的样本加入训练样本集进行训练，更新分类器；利用所述分类器对获取的待分类样本进行分类；其中，所述标签集具体为利用直推学习的方法确定的；其中，所述标签集的确定具体包括：定义样本xi的标签集组成结构为αi＝(αi1,αi2,…,αik)T，其中，αi为权重因数，αij代表样本xi具有第j个标签的分数；利用所有样本构造一个k临近图，并应用kd‑tree对每个样本的k个近邻样本进行搜索；计算各个所述近邻样本之间的相似性度量值；将所述相似性度量值进行优化得到每个样本的最优α值；将所述α值降序排列得到候选标签集，并结合预先估计的每个样本的标签数目确定各样本所属的标签集。