论文部分内容阅读
现实世界中存在着大量无类标的数据，如各种医疗图像数据、网页数据等。在大数据时代，这种情况更加突出。标注这些无类标的数据需要付出巨大的代价。主动学习是解决这一问题的有效手段，也是近几年机器学习和数据挖掘领域中的一个研究热点。提出了一种基于在线序列极限学习机的主动学习算法，该算法利用在线序列极限学习机增量学习的特点，可显著提高学习系统的效率。另外，该算法用样例熵作为启发式度量无类标样例的重要性，用K-近邻分类器作为Oracle标注选出的无类标样例的类别。实验结果显示，提出的算法具有学习速度快、标注准确的特点。