

已閱讀1頁(yè),還剩34頁(yè)未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文討論在沒(méi)有初始訓(xùn)練集的情況下,結(jié)合聚類(lèi)的主動(dòng)學(xué)習(xí)算法.通過(guò)選擇并提交專(zhuān)家標(biāo)識(shí)最有信息量的實(shí)例,主動(dòng)學(xué)習(xí)算法中可以有效地減輕標(biāo)識(shí)大量未標(biāo)識(shí)實(shí)例的負(fù)擔(dān),選擇實(shí)例是主動(dòng)學(xué)習(xí)算法中一個(gè)影響性能的關(guān)鍵因素.簡(jiǎn)單的最不確定度或者QBC方法傾向于選擇處于分類(lèi)邊界的實(shí)例,忽略了數(shù)據(jù)集的分布信息,如果在訓(xùn)練分類(lèi)器時(shí)能考慮這些實(shí)例的分布信息,將對(duì)提高分類(lèi)器準(zhǔn)確率有幫助.我們考慮選擇詢(xún)問(wèn)那些能夠使得期望未來(lái)分類(lèi)誤差最小的實(shí)例.我們注意到期望未來(lái)分類(lèi)誤差的
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于聚類(lèi)的主動(dòng)學(xué)習(xí)實(shí)例選擇方法研究.pdf
- 基于主動(dòng)學(xué)習(xí)的半監(jiān)督譜聚類(lèi)算法研究.pdf
- K均值聚類(lèi)算法初始聚類(lèi)中心的選取與改進(jìn).pdf
- 一種基于主動(dòng)學(xué)習(xí)的半監(jiān)督譜聚類(lèi)算法研究.pdf
- 基于粗糙集理論的聚類(lèi)研究.pdf
- 基于粗糙集的聚類(lèi)算法研究.pdf
- 基于分組聚類(lèi)的SVM訓(xùn)練算法.pdf
- 基于聚類(lèi)結(jié)果的基因集差異表達(dá)分析.pdf
- 基于粗集與聚類(lèi)的神經(jīng)模糊建模.pdf
- 基于聚類(lèi)和SVM主動(dòng)反饋的圖像檢索方法.pdf
- 基于模糊聚類(lèi)的水平集醫(yī)學(xué)圖像分割.pdf
- 基于區(qū)間模糊集的聚類(lèi)方法研究.pdf
- 基于頻繁項(xiàng)集的文本聚類(lèi)方法研究.pdf
- 基于頻繁特征詞語(yǔ)集的文本聚類(lèi)研究.pdf
- 基于Rough集的層次聚類(lèi)算法研究及應(yīng)用.pdf
- 基于學(xué)習(xí)聚類(lèi)的圖像檢索算法研究.pdf
- 基于直覺(jué)模糊集的醫(yī)學(xué)圖像聚類(lèi)分割.pdf
- 基于魚(yú)群與粗糙集的聚類(lèi)算法研究.pdf
- 基于蜂群和粗糙集的聚類(lèi)算法研究.pdf
- 基于監(jiān)督聚類(lèi)的專(zhuān)利訓(xùn)練數(shù)據(jù)修剪研究.pdf
評(píng)論
0/150
提交評(píng)論