青岛科技大学学报（自然科学版）
青島科技大學學報（自然科學版）
청도과기대학학보（자연과학판）
JOURNAL OF QINGDAO UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE EDITION)
2013年
5期
528-531
,共4页
支持向量机%两层协同主动学习策略%贝叶斯网络
支持嚮量機%兩層協同主動學習策略%貝葉斯網絡
지지향량궤%량층협동주동학습책략%패협사망락
support vector machine%two-level collaboration active learning strategy%Bayesian network
针对当前主动学习策略直接用于SVM(Support Vector Machine)分类器时存在的泛化能力不强的问题,提出的两层协同主动学习策略TLCALS (Two-Level Collaboration Active Learning Strategy)应用了协同训练的思想,能深层挖掘未标记样本数据的分布知识.实验表明,TLCALS策略能够合理指定TSVM (Transducive Support Vector Machine)算法中的正样本数,在典型指标测试中都表现出了一定的优越性.
針對噹前主動學習策略直接用于SVM(Support Vector Machine)分類器時存在的汎化能力不彊的問題,提齣的兩層協同主動學習策略TLCALS (Two-Level Collaboration Active Learning Strategy)應用瞭協同訓練的思想,能深層挖掘未標記樣本數據的分佈知識.實驗錶明,TLCALS策略能夠閤理指定TSVM (Transducive Support Vector Machine)算法中的正樣本數,在典型指標測試中都錶現齣瞭一定的優越性.
침대당전주동학습책략직접용우SVM(Support Vector Machine)분류기시존재적범화능력불강적문제,제출적량층협동주동학습책략TLCALS (Two-Level Collaboration Active Learning Strategy)응용료협동훈련적사상,능심층알굴미표기양본수거적분포지식.실험표명,TLCALS책략능구합리지정TSVM (Transducive Support Vector Machine)산법중적정양본수,재전형지표측시중도표현출료일정적우월성.
