结合聚类边界采样的主动学习

摘要: 主动学习是一种机器学习方法，需要选择最有价值的样本进行标注。目前，主动学习在应用时面临着一些挑战，其依赖分类器的先验假设，这容易导致分类器性能意外下降，同时需要一定规模的样本作为启动条件。聚类可以降低问题规模，是主动学习的一种有效手段。为此，结合密度聚类边界采样，开展主动学习方法的研究。针对容易产生分类错误的聚类边界区域，通过计算样本密度，提出一种密度峰值聚类边界点采样方法；在此基础上，给出密度熵的定义，并利用密度熵对聚类边界区域进行启发式搜索，提出一种基于聚类边界采样的主动学习方法。试验结果表明，与文献中的5种主动学习算法相比，该算法能够以更少标记量获得同等甚至更高的分类性能，是一种有效的主动学习算法；在标记不足，无标签样本总量20%的情况下，算法在Accuracy、F-score等指标上取得较好的结果。

• 关键词: 
• 主动学习  /  
• 机器学习  /  
• 聚类边界  /  
• 密度峰值聚类  /  
• 几何采样  /  
• 信息熵  /  
• 版本空间  /  
• 主动聚类  

当前，机器学习算法所需要处理的数据规