結合聚類邊界采樣的主動學習

摘要： 主動學習是一種機器學習方法，需要選擇最有價值的樣本進行標注。目前，主動學習在應用時面臨著一些挑戰(zhàn)，其依賴分類器的先驗假設，這容易導致分類器性能意外下降，同時需要一定規(guī)模的樣本作為啟動條件。聚類可以降低問題規(guī)模，是主動學習的一種有效手段。為此，結合密度聚類邊界采樣，開展主動學習方法的研究。針對容易產生分類錯誤的聚類邊界區(qū)域，通過計算樣本密度，提出一種密度峰值聚類邊界點采樣方法；在...