主動(dòng)學(xué)習(xí)算法的研究.pdf

1、由于現(xiàn)實(shí)生活中存在海量無(wú)標(biāo)簽的數(shù)據(jù)樣本，如果單純依靠人工對(duì)這些無(wú)標(biāo)簽數(shù)據(jù)樣本進(jìn)行標(biāo)簽的話，花費(fèi)代價(jià)通常會(huì)很高。如何以最少的代價(jià)給這些海量無(wú)標(biāo)簽數(shù)據(jù)樣本進(jìn)行標(biāo)簽這一難題，越來(lái)越得到人們的廣泛關(guān)注和深入研究。主動(dòng)學(xué)習(xí)就是為了解決標(biāo)簽數(shù)據(jù)樣本匱乏這一瓶頸而產(chǎn)生的，它通過(guò)選取少量最具信息量的未標(biāo)簽數(shù)據(jù)樣本進(jìn)行標(biāo)簽，從而建立分類精度較高的主動(dòng)學(xué)習(xí)分類器模型，再對(duì)其它海量未標(biāo)簽的數(shù)據(jù)樣本進(jìn)行分類標(biāo)簽，大大地提高了工作效率。
　　 本文的研究

2、工作主要分為兩部分：間接構(gòu)造數(shù)據(jù)樣本主動(dòng)學(xué)習(xí)方法和解釋性主動(dòng)學(xué)習(xí)方法。
　　 本文的研究工作之一是提出了間接構(gòu)造數(shù)據(jù)樣本主動(dòng)學(xué)習(xí)方法。傳統(tǒng)主動(dòng)學(xué)習(xí)方法主要存在以下兩個(gè)不足：(1)過(guò)分依賴于未標(biāo)簽數(shù)據(jù)集；(2)不考慮現(xiàn)實(shí)生活中數(shù)據(jù)分布狀況。基于以上的考慮，本文提出了間接構(gòu)造數(shù)據(jù)樣本主動(dòng)學(xué)習(xí)方法，更加有效地建立主動(dòng)學(xué)習(xí)分類器模型。
　　 本文的另一個(gè)研究工作是提出了解釋性主動(dòng)學(xué)習(xí)方法。傳統(tǒng)主動(dòng)學(xué)習(xí)方法往往假設(shè)Oracle僅僅