用户名: 密码:    忘记密码   注册   在线充值
一种基于k均值样本预选的支持向量机主动学习方法  
 【申请号】  CN201710306162.1  【申请日】  2017-05-04
 【公开号】  CN107145907A  【公开日】  2017-09-08
 【申请人】  云南大学  【地址】  650091 云南省昆明市五华区翠湖北路2号
 【共同申请人】  
 【发明人】  杨云;任皓;何臻力
 【国际申请】    【国际公布】  
 【进入国家日期】  
 【专利代理机构】  北京科亿知识产权代理事务所(普通合伙) 11350  【代理人】  汤东凤
 【分案原申请号】  
 【国省代码】  53
 【摘要】  本发明属于机器学习中的主动学习技术领域,公开了一种基于k均值样本预选的支持向量机主动学习方法,包括:利用k均值聚类算法进行样本预选,基于距离选择出少部分靠近聚类中心、较为密集、“重要”的样本来代替整个样本集进行常规支持向量机的训练;依据数据预选的结果,在未标记实例集中对重要样本集L*中的每个实例进行查询,将查询得到的类标返回;得到未标记实例集中的部分“重要”实例并获取标记,来代替全部未标记实例;利用样本预选结果,重要样本集L*作为支持向量机主动学习的训练集,进行模型训练,得到最终的学习模型。本发明保证了SVM模型分类精确度,大大降低了分类器对类标的需求;分类准确性高于同类SVM方法。
 【主权项】  一种基于k均值样本预选的支持向量机主动学习方法,其特征在于,所述基于k均值样本预选的支持向量机主动学习方法包括以下步骤:步骤一,利用k均值聚类算法进行样本预选,基于距离选择出少部分靠近聚类中心、较为密集、“重要”的样本来代替整个样本集进行常规支持向量机的训练;步骤二,依据数据预选的结果,在未标记实例集中对重要样本集L*中的每个实例进行查询,将查询得到的类标返回;得到未标记实例集中的部分“重要”实例并获取标记,来代替全部未标记实例;步骤三,利用样本预选结果,重要样本集L*作为支持向量机主动学习的训练集,结合传统的SVM方法进行模型训练,得到最终的学习模型。
 【页数】  12
 【主分类号】  G06K9/62
 【专利分类号】  G06K9/62
   推荐下载阅读CAJ格式全文 查询法律状态
(不支持迅雷等加速下载工具,请取消加速工具后下载。)

 


专利产出状态分析  
本领域科技成果与标准  
发明人发表文献
申请机构(个人)发表文献
本专利研制背景
本专利应用动态
所涉核心技术研究动态
京 ICP 证 040431 号 网络出版服务许可证 (总)网出证(京)字第 271 号经营性网站备案信息 京公网安备 11010802020460 号
© 2010-2017 中国知网(CNKI) 《中国学术期刊(光盘版)》电子杂志社有限公司 KDN 平台基础技术由 KBASE 11.0 提供
服务热线:400-810-9888 订卡热线:800-810-6613
在线咨询:http://help.cnki.net 客服中心:http://service.cnki.net 电子邮件:help@cnki.net
可信网站 诚信网站