| GOS+MU:一种查询对象选择新方法 |
| |
| 引用本文： | 陈念,唐振民,帅小应.GOS+MU:一种查询对象选择新方法[J].计算机应用与软件,2015(4). |
| |
| 作者姓名： | 陈念 唐振民 帅小应 |
| |
| 作者单位： | 1. 池州学院数学与计算机科学系 安徽 池州247000
2. 南京理工大学计算机科学与工程学院 江苏 南京210094 |
| |
| 基金项目： | 安徽省教育厅自然重点项目(KJ2012A211)。陈念，副教授，主研领域机器学习与人工智能。 |
| |
| 摘 要： | 在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。
|
| 关 键 词： | 查询选择 不确定性采样 条件熵 全局最优搜索 采样阈值 |
GOS+MU:A NEW METHOD OF QUERY OBJECT SELECTION |
| |
| Chen Nian,Tang Zhenmin,Shuai Xiaoying.GOS+MU:A NEW METHOD OF QUERY OBJECT SELECTION[J].Computer Applications and Software,2015(4). |
| |
| Authors: | Chen Nian Tang Zhenmin Shuai Xiaoying |
| |
| Abstract: | |
| |
| Keywords: | Query selection Uncertainty sampling Conditional entropy Global optimum search Sampling threshold |
| 本文献已被 万方数据 等数据库收录！ |
|
