| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 论文研究背景与研究现状 | 第12-16页 |
| 1.1.1 主动学习 | 第12-13页 |
| 1.1.2 停止判别准则 | 第13-14页 |
| 1.1.3 性能评价指标 | 第14-16页 |
| 1.2 论文的内容 | 第16-17页 |
| 1.2.1 研究目的 | 第16-17页 |
| 1.2.2 研究内容 | 第17页 |
| 1.3 论文的结构 | 第17-20页 |
| 第2章 主动学习的原理与算法 | 第20-34页 |
| 2.1 主动学习 | 第20-22页 |
| 2.1.1 主动学习的定义 | 第20页 |
| 2.1.2 主动学习的工作流程 | 第20-22页 |
| 2.2 样例选择方法 | 第22-24页 |
| 2.2.1 基于不确定度缩减的采样策略 | 第22-23页 |
| 2.2.2 基于版本空间缩减的采样策略 | 第23页 |
| 2.2.3 基于泛化误差缩减的采样策略 | 第23-24页 |
| 2.3 主动学习算法 | 第24-25页 |
| 2.3.1 主动学习算法常用形式 | 第24页 |
| 2.3.2 主动学习算法的分类标准 | 第24页 |
| 2.3.3 支持向量机算法 | 第24-25页 |
| 2.4 主动学习停止判别准则 | 第25-29页 |
| 2.4.1 训练集规模停止准则 | 第26页 |
| 2.4.2 最大不确定性停止准则 | 第26-27页 |
| 2.4.3 整体不确定性停止准则 | 第27页 |
| 2.4.4 选择精度停止准则 | 第27-29页 |
| 2.4.5 最小期望误差停止准则 | 第29页 |
| 2.5 主动学习分类器的性能评估 | 第29-31页 |
| 2.5.1 分类器性能度量标准 | 第29-30页 |
| 2.5.2 分类器性能评价方式 | 第30-31页 |
| 2.6 本章小结 | 第31-34页 |
| 第3章 适用于单轮单样例标注场景的主动学习停止准则 | 第34-44页 |
| 3.1 基于不确定度的主动学习停止准则 | 第34-35页 |
| 3.2 适用于单轮单样例标注场景的主动学习停止准则 | 第35-36页 |
| 3.3 实验与讨论 | 第36-42页 |
| 3.3.1 实验数据集的准备 | 第36-37页 |
| 3.3.2 分类器的选取 | 第37页 |
| 3.3.3 基于不确定度框架的停止准则实验比较 | 第37-40页 |
| 3.3.4 选择精度停止准则与改进的停止准则实验比较 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 主动学习定量性能评估测度 | 第44-60页 |
| 4.1 主动学习及学习曲线 | 第44-45页 |
| 4.2 学习曲线下的面积 | 第45-48页 |
| 4.3 平均梯度角 | 第48-49页 |
| 4.4 实验与讨论 | 第49-58页 |
| 4.4.1 数据集与实验设置 | 第49-51页 |
| 4.4.2 同质分类器实验结果比较 | 第51-54页 |
| 4.4.3 异质分类器实验结果比较 | 第54-57页 |
| 4.4.4 相关分析 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
