主动学习算法中采样策略研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第13-33页 |
| 1.1 课题研究背景 | 第13-15页 |
| 1.2 研究目的及意义 | 第15-16页 |
| 1.3 主动学习算法简介 | 第16-21页 |
| 1.3.1 主动学习算法过程 | 第17-18页 |
| 1.3.2 主动学习算法的分类 | 第18-19页 |
| 1.3.3 主动学习算法的理论分析 | 第19-21页 |
| 1.4 主动学习中样例选择算法概述 | 第21-28页 |
| 1.4.1 基于不确定性的样例选择方法 | 第22-24页 |
| 1.4.2 基于版本空间缩减的样例选择方法 | 第24-26页 |
| 1.4.3 基于误差缩减的样例选择方法 | 第26-28页 |
| 1.5 主要研究内容 | 第28-33页 |
| 第2章 主动学习加权迭代采样策略研究 | 第33-46页 |
| 2.1 引言 | 第33-34页 |
| 2.2 相关工作 | 第34-35页 |
| 2.3 最小化风险期望误差主动采样策略 | 第35-39页 |
| 2.3.1 定义与算法描述 | 第35-37页 |
| 2.3.2 样例权重与分类器风险估计 | 第37-38页 |
| 2.3.3 算法步骤与分析 | 第38-39页 |
| 2.4 实验结果与分析 | 第39-45页 |
| 2.4.1 人工数据集实验结果 | 第41-42页 |
| 2.4.2 遥感图像与手写数字识别数据集实验结果 | 第42-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 主动学习加权优化训练分布采样策略 | 第46-55页 |
| 3.1 引言 | 第46-47页 |
| 3.2 主动优化训练分布采样策略 | 第47-50页 |
| 3.3 实验结果与分析 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 多标注者条件下主动学习概率模型研究 | 第55-81页 |
| 4.1 引言 | 第55-56页 |
| 4.2 相关工作 | 第56-58页 |
| 4.3 多标注者主动概率模型 PMActive | 第58-63页 |
| 4.3.1 基本概念 | 第59-60页 |
| 4.3.2 最大似然估计 | 第60-62页 |
| 4.3.3 PMActive 模型采样过程 | 第62-63页 |
| 4.4 实验结果与分析 | 第63-79页 |
| 4.4.1 多个标注者设置 | 第64-65页 |
| 4.4.2 20-新闻组语料库实验结果 | 第65-68页 |
| 4.4.3 UCI 数据集实验结果 | 第68-75页 |
| 4.4.4 乳腺癌检测数据集实验结果 | 第75-79页 |
| 4.5 本章小结 | 第79-81页 |
| 第5章 基于 Hash 技术的主动采样策略 | 第81-96页 |
| 5.1 引言 | 第81-82页 |
| 5.2 相关工作 | 第82-84页 |
| 5.3 基于 Hash 技术的主动采样策略 | 第84-87页 |
| 5.3.1 计算近似距离 | 第85-86页 |
| 5.3.2 选择重要权重 | 第86-87页 |
| 5.4 实验结果与分析 | 第87-95页 |
| 5.5 本章小结 | 第95-96页 |
| 结论 | 第96-99页 |
| 参考文献 | 第99-108页 |
| 攻读博士学位期间发表的论文及其它成果 | 第108-111页 |
| 致谢 | 第111-112页 |
| 个人简历 | 第112页 |
