[发明专利]一种基于k均值样本预选的支持向量机主动学习方法

摘要

本发明属于机器学习中的主动学习技术领域，公开了一种基于k均值样本预选的支持向量机主动学习方法，包括利用k均值聚类算法进行样本预选，基于距离选择出少部分靠近聚类中心、较为密集、“重要”的样本来代替整个样本集进行常规支持向量机的训练；依据数据预选的结果，在未标记实例集中对重要样本集L*中的每个实例进行查询，将查询得到的类标返回；得到未标记实例集中的部分“重要”实例并获取标记，来代替全部未标记实例；利用样本预选结果，重要样本集L*作为支持向量机主动学习的训练集，进行模型训练，得到最终的学习模型。本发明保证了SVM模型分类精确度，大大降低了分类器对类标的需求；分类准确性高于同类SVM方法。

主权项

一种基于k均值样本预选的支持向量机主动学习方法，其特征在于，所述基于k均值样本预选的支持向量机主动学习方法包括以下步骤：步骤一，利用k均值聚类算法进行样本预选，基于距离选择出少部分靠近聚类中心、较为密集、“重要”的样本来代替整个样本集进行常规支持向量机的训练；步骤二，依据数据预选的结果，在未标记实例集中对重要样本集L*中的每个实例进行查询，将查询得到的类标返回；得到未标记实例集中的部分“重要”实例并获取标记，来代替全部未标记实例；步骤三，利用样本预选结果，重要样本集L*作为支持向量机主动学习的训练集，结合传统的SVM方法进行模型训练，得到最终的学习模型。