邱卫杰
- 作品数：5 被引量：12H指数：2
- 供职机构：浙江工业大学计算机科学与技术学院、软件学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于SVM主动学习的多标签分类控制方法
- 一种基于SVM主动学习的多标签分类控制方法，包括以下步骤：1)选择样本，过程如下：首先确定两条边界线之间的距离，对每个未知样本计算其决策值，计算每个样本所对应的后验概率值，包括正类的概率和负类的概率；根据期望间隔公式计算...
- 刘端阳邱卫杰何熊熊
- 文献传递
- 基于SVM主动学习的文本分类
- 信息技术的不断发展使得世界变成了信息的海洋，很多有用的信息被大量的垃圾信息所淹没，如何从这些信息自动分类出有用的信息将是一个重要的课题。文本作为信息的主要载体，具有明显的现实意义，而中文作为使用最多的语言之一，其重要性不...
- 邱卫杰
- 关键词：文本分类支持向量机
- 文献传递
- 基于SVM期望间隔的多标签分类的主动学习被引量：7
- 2011年
- 分类是数据挖掘领域研究中的核心技术之一。得到一个性能良好的分类器需要大量的训练样本,而对样本进行标记是一个十分消耗资源的过程,对多标签样本进行标记就更加困难。为了尽可能降低标记样本的成本,需要找出最能代表类别信息的样本。在基于SVM的分类方法中,分类器间隔越大,分类的精度就会越差。提出了一种基于期望间隔的主动学习方法,即依据当前分类器,选择最快缩小分类间隔的样本。通过实验证明,基于期望间隔的学习策略比基于决策值以及基于后验概率的策略有着更好的学习效果。
- 刘端阳邱卫杰
- 关键词：后验概率支持向量机
- 基于加权SVM主动学习的多标签分类被引量：7
- 2011年
- 样本标记是一个重要但又比较耗时的过程。得到一个多标签分类器需要大量的训练样本,而手工为每个样本创建多个标签会存在一定困难。为尽可能降低标记样本的工作量,提出一种加权决策函数的主动学习方法,该方法同时考虑训练样本的数量和未知样本的置信度,使得分类器能在最小的成本下最快地达到比较满意的分类精度。
- 刘端阳邱卫杰
- 关键词：支持向量机
- 基于平均期望间隔的多标签分类主动学习方法被引量：1
- 2011年
- 针对多标签主动学习速度较慢的问题,提出一种基于平均期望间隔的多标签分类的主动学习方法。计算支持向量机分类器中的期望间隔,并将其作为样本选择标准。实验结果表明,该方法在分类精度、Hamming Loss、Coverage等评价标准上优于基于决策值和后验概率等主动学习策略,能更好地评价未标记样本,有效提高分类精度和速度。
- 刘端阳邱卫杰
- 关键词：后验概率支持向量机
