本文關(guān)鍵詞： 多視角主動(dòng)學(xué)習(xí) 分類器集成強(qiáng)化 分級(jí)競(jìng)爭(zhēng)采樣 圖像分類　出處：《電子學(xué)報(bào)》2017年01期 　論文類型：期刊論文

【摘要】：多視角主動(dòng)學(xué)習(xí)是一種相比于傳統(tǒng)主動(dòng)學(xué)習(xí)能夠取得更大程度版本空間縮減的技術(shù),已被應(yīng)用于多種類型的大數(shù)據(jù)分析中.本文針對(duì)現(xiàn)有的多視角主動(dòng)學(xué)習(xí)算法在分類假設(shè)生成和采樣策略中存在的不足分別提出了相應(yīng)的改進(jìn)方案.本文將Boosting思想應(yīng)用到多視角主動(dòng)學(xué)習(xí)框架中,通過將歷史上各次查詢得到的分類假設(shè)進(jìn)行加權(quán)式投票來實(shí)現(xiàn)每次查詢后分類假設(shè)的強(qiáng)化;與此同時(shí),還提出了一種自適應(yīng)的分級(jí)競(jìng)爭(zhēng)采樣策略,當(dāng)分類爭(zhēng)議樣本規(guī)模較大時(shí)通過無監(jiān)督譜聚類獲得上述樣本的空間分布描述,并在各個(gè)聚類中結(jié)合樣本的分類不確定度和冗余度信息通過二次規(guī)劃求解以獲得可靠的批處理采樣.為了證明上述改進(jìn)的有效性,本文將多視角主動(dòng)學(xué)習(xí)應(yīng)用到圖像分類領(lǐng)域中,并通過基于不同圖像特征的視角來分別生成相應(yīng)的分類假設(shè).實(shí)驗(yàn)表明,本文提出的兩點(diǎn)改進(jìn)策略不僅均有助于提升多視角主動(dòng)學(xué)習(xí)的性能,而且基于上述不同視角隨機(jī)組合的多視角主動(dòng)學(xué)習(xí)方法相比于經(jīng)典的單視角主動(dòng)學(xué)習(xí)算法能夠更快地實(shí)現(xiàn)收斂并達(dá)到較高的場(chǎng)景分類準(zhǔn)確性.
[Abstract]:Multi-view active learning is a technology that can reduce version space more than traditional active learning. It has been applied to many types of big data analysis. In this paper, we propose corresponding improvement schemes for the shortcomings of existing active learning algorithms in classification hypothesis generation and sampling strategy. In this paper, Boo is proposed. Sting is applied to the framework of multi-perspective active learning. The classification assumptions obtained from each query in history are weighted to vote to realize the enhancement of classification assumptions after each query. At the same time, an adaptive hierarchical competitive sampling strategy is proposed. When the sample size is large, unsupervised spectral clustering is used to obtain the spatial distribution description of the above samples. In order to prove the effectiveness of the above improvements, the classification uncertainty and redundancy information of the samples are solved by quadratic programming in each cluster to obtain reliable batch sampling. In this paper, multi-view active learning is applied to the field of image classification, and the corresponding classification hypotheses are generated based on different image features. The two improved strategies proposed in this paper are not only helpful to improve the performance of multi-perspective active learning. Moreover, the multi-view active learning method based on the random combination of different angles of view can achieve faster convergence and achieve higher accuracy of scene classification than the classical single-view active learning algorithm.
【作者單位】： 寧波工程學(xué)院電子與信息工程學(xué)院;
【基金】：浙江省自然科學(xué)基金(No.LY15F020011,No.LQ15F020004) 浙江省公益技術(shù)應(yīng)用研究計(jì)劃(No.2016C33255) 寧波市自然科學(xué)基金(No.2015A610132)
【分類號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉蘭芳;;談學(xué)生主動(dòng)學(xué)習(xí)習(xí)慣的培養(yǎng)[J];科技資訊;2006年30期

2 劉寶峰;;由被動(dòng)學(xué)習(xí)轉(zhuǎn)為主動(dòng)學(xué)習(xí)的探討[J];天津職業(yè)院校聯(lián)合學(xué)報(bào);2012年08期

3 沈元懌;;基于主動(dòng)學(xué)習(xí)的資源優(yōu)化分配方案研究[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年01期

4 王玲;李琴;隋美玲;肖海軍;;基于支持向量機(jī)的主動(dòng)學(xué)習(xí)方法及其實(shí)現(xiàn)[J];長(zhǎng)沙大學(xué)學(xué)報(bào);2014年02期

5 繆樹民;STS案例的探討[J];甘肅科技縱橫;2005年06期

6 王穎;高新波;李潔;王秀美;;基于PSVM的主動(dòng)學(xué)習(xí)腫塊檢測(cè)方法[J];計(jì)算機(jī)研究與發(fā)展;2012年03期

7 張桂平;李文博;王裴巖;;基于主動(dòng)學(xué)習(xí)的本體概念關(guān)系判斷[J];中文信息學(xué)報(bào);2013年04期

8 楊文君;;大學(xué)計(jì)算機(jī)基礎(chǔ)教學(xué)模式改革探索——問題模式在教學(xué)中的應(yīng)用[J];牡丹江師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年02期

9 魏欽冰;;大學(xué)計(jì)算機(jī)基礎(chǔ)教學(xué)模式改革探索——淺析問題模式在教學(xué)中的應(yīng)用[J];職業(yè)圈;2007年07期

10 彭艷斌;艾解清;李吉明;;對(duì)手偏好主動(dòng)學(xué)習(xí)驅(qū)動(dòng)的協(xié)商框架[J];北京郵電大學(xué)學(xué)報(bào);2012年05期

相關(guān)博士學(xué)位論文 前1條

1 姚拓中;結(jié)合主動(dòng)學(xué)習(xí)的視覺場(chǎng)景理解[D];浙江大學(xué);2011年

相關(guān)碩士學(xué)位論文 前7條

1 陳雄韜;基于聚類的主動(dòng)學(xué)習(xí)實(shí)例選擇方法研究[D];中國(guó)礦業(yè)大學(xué);2016年

2 黃輝;基于局部線性重構(gòu)系數(shù)的主動(dòng)學(xué)習(xí)[D];溫州大學(xué);2014年

3 崔寶今;基于半監(jiān)督和主動(dòng)學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取研究[D];大連理工大學(xué);2008年

4 張江紅;多分類主動(dòng)學(xué)習(xí)方法在地表分類中的應(yīng)用[D];南京理工大學(xué);2011年

5 易博;基于主動(dòng)學(xué)習(xí)的語(yǔ)義缺失問句補(bǔ)全[D];哈爾濱工業(yè)大學(xué);2012年

6 柴思遠(yuǎn);結(jié)合主動(dòng)學(xué)習(xí)的協(xié)作分類方法研究[D];吉林大學(xué);2011年

7 高文濤;劃分分類模型中主動(dòng)學(xué)習(xí)關(guān)鍵技術(shù)研究[D];燕山大學(xué);2010年

，

本文編號(hào)：1493632