一种基于主动学习的SVM增量训练算法
来源期刊:控制与决策2010年第2期
论文作者:徐海龙 王晓丹 廖勇 权文
文章页码:282 - 286
关键词:支持向量机;增量训练;主动学习;被动学习;监督学习;
摘 要:针对SVM训练学习过程中难以获得大量带有类标注样本的问题,提出一种基于距离比值不确定性抽样的主动SVM增量训练算法(DRB-ASVM),并将其应用于SVM增量训练.实验结果表明,在保证不影响分类精度的情况下,应用主动学习策略的SVM选择的标记样本数量大大低于随机选择的标记样本数量,从而降低了标记的工作量或代价,并且提高了训练速度.
徐海龙,王晓丹,廖勇,权文
空军工程大学导弹学院
摘 要:针对SVM训练学习过程中难以获得大量带有类标注样本的问题,提出一种基于距离比值不确定性抽样的主动SVM增量训练算法(DRB-ASVM),并将其应用于SVM增量训练.实验结果表明,在保证不影响分类精度的情况下,应用主动学习策略的SVM选择的标记样本数量大大低于随机选择的标记样本数量,从而降低了标记的工作量或代价,并且提高了训练速度.
关键词:支持向量机;增量训练;主动学习;被动学习;监督学习;