论文部分内容阅读
介绍基于F1评分的平衡多样性加权委员会投票选择(Query-by-committee,QBC)的主动学习算法,阐明主动学习在智能产前胎儿监护中的作用.基于产前胎心宫缩图数据,在采用梯度提升决策树委员会投票选择的主动学习算法基础上,分歧度度量方式是采用基于投票熵和类条件后验最大熵相结合的度量方法,创新性地提出平衡因子,并结合多样性因子和F1因子进行加权计算.实验结果表明该方法仅需约41％的标注样本,即可使模型的整体性能指标达到96％以上.