【摘 要】
：
针对传统SVM主动学习中批量采样方法的不足,提出了动态可行域划分算法。从特征空间与参数空间的对偶关系入手,深入分析SVM主动学习的本质,将特征空间中对样本的标注视为参数
【机 构】
：
中国科学技术信息研究所战略研究中心
论文部分内容阅读
针对传统SVM主动学习中批量采样方法的不足,提出了动态可行域划分算法。从特征空间与参数空间的对偶关系入手,深入分析SVM主动学习的本质,将特征空间中对样本的标注视为参数空间中对可行域的划分;通过综合利用当前分类模型和先前标注样本两方面信息,动态地优化可行域划分方案,以确保选取的样本对模型改进的价值,最终实现更为高效的选择性采样。实验结果表明,基于动态可行域划分的SVM主动学习算法能够显著提高所选样本的信息量,从而能够在有限的标注代价下大幅提高其分类性能。
其他文献
提出一种求解对象族模型的新的几何求解方法。提出两种新类型的组,即可伸缩组和可放射组。在刚性组或非刚性组系统中穷举地使用重写规则的较小的集合,一直到没有可用的重写规
在传统的集合运算过程中,集合内的元素一般通过自然语言表示,而不是形式化表示,这就在计算机处理时影响了集合运算的效率。为了解决这个问题,将二进制引入到集合运算过程中,
中文术语及未登录词的翻译是机器翻译、跨语言检索中的一个重要问题,这些翻译很难从现有的词典中获取。提出了一种通过搜索引擎从网页中自动获取中文术语英文翻译的方法。通
时间序列具有数据量大的特点,直接对其检测复杂度高。因此提出了一种基于时间序列重要点的异常子序列检测算法。子序列的异常检测弥补了点异常检测的局限性。该算法首先获得
随着物联网的发展,以RFID为代表的物联网传感器数据的存储、查询、处理等课题正成为研究的热点。结合数据仓库时空维度和列存储的思想,建立了一种列式RFID数据仓库,并根据RFID的时空特性,设计了一种支持连续聚集查询的多时空粒度数据结构和快速更新算法。它去除了传统聚集查询的部分冗余操作,适合处理大规模RFID数据仓库上的连续实时聚集查询。通过实验证明,该模型与算法在一些典型的物联网应用中取得了较高的
人体目标分割的质量对步态识别的性能有直接的影响。提出了一种鲁棒性的步态表示方法,即利用光流特征提取视频中的运动信息,并将目标人体区域部分按人体结构特点划分为多个子区域,每个子区域通过基于光流特征的椭圆模型进行拟合,建立多区域椭圆模型的人体结构模型。识别过程中将模型参数作为步态特征,结合动态时间规整技术解决了动态模式的相似度量和匹配问题。实验表明,该算法可以有效地提高识别算法的鲁棒性,并且具有较好的
由中国石油大学(华东)承办的第十七届全国计算机辅助设计与图形学学术会议(CAD/CG2012)以及第九届全国智能CAD与数字娱乐学术会议将于2012年7月19-21日在山东青岛联合举行。会议期间,也将同时举行第二届中法虚拟现实研讨会。
间接跳转目标地址的识别一直是二进制代码控制流重构的难点之一，其跳转目标一般依赖于程序动态执行时的信息，传统方法无法精确识别。通过对控制流重构技术的研究，提出一种基于路
WiMAX下的编码方式是当今通讯技术研究的热门。介绍一种最受关注的纠错编码：低密度奇偶校验码（LowDensityParityCheck，LDPC），讨论LDPC码在WiMAX条件下的基本原理和编译码设计；提出
首先利用代理约束概念和修正极大熵函数,将非线性方程组等价地转化为无约束优化函数;然后引入平均相似度概念,设计自适应正交交叉算子,利用正交设计产生初始种群,并在此基础