一种模糊支持向量机主动学习算法.pdfVIP

第30卷第 10期 计算机应用与软件 Vo1．30 No．10 2013年 1O月 ComputerApplicationsandSoftware 0ct．2013 一 种模糊支持向量机主动学习算法 孙秀英 王 燕 (黄河科技学院现代教育技术中心 河南郑州450006) 摘 要 模糊支持向量机具有很好的抗噪声能力，受到很多专家的重视。然而模糊支持向量机上的主动学习算法却一直鲜有研 究。提出一种针对模糊支持向量机的主动学习算法，该算法首先在训练集合上利用模糊支持 向量机得到决策超平面，然后选取间隔 内的未标记样本进行标记，并计算相应的模糊权重，以及更新原有训练样本的模糊权重。最后结合赋予模糊权重的新标记样本重新 进行学习，直到未标记样本集为空或者分类性能满足要求。在UCI标准数据集和语音识别数据集上的实验充分验证了该算法的有 效性。 关键词 模糊支持向量机 抗噪 主动学习 间隔 中图分类号 TP181 文献标识码 A DOI：10．3969／j．issn．1000—386x．2013．10．038 AN ACTIVE LEARNING ALGORITHM oFFUZZY SUPPoRT VECTOR MACHINE SunXiuying W angYan (ModemEducationTechnologyCenter，HuangheScienceandTechnologyCollege，Zhengzhou450006，Henan，China) Abstract Fuzzysuppo~vectormachine(FSVM)hasgoodanti—noiseperformance，whichattractstheattentionfrom manyexpeas． However，theactivelearningalgorithm ofFSVM hasbeenseldom studied．Inthispaper，weproposeanactivelearningalgorithm forFSVM ． Thisalgorithm firstlyobtainsthedecision—makinghyperplaneusingFSVM from thetrainingcollection．Thenitmarkstheunlabeledsamples selectedfrom the interval，and computestheircorrespondingfuzzy weights，andupdatesthefuzzyweightsoforiginal trainingsamples． Finally，thealgorithm makesre—learningincombinationwiththenewlabelledsamplesassignedwithfuzzyweightsuntiltheunlabeledsamples settobeemptyortheclassificationperfomr ancemeetingtherequirements．TheexperimentsonUCIstandarddatasetandspeechrecognition datasetfullyverifytheeffectivenessoftheproposedalgorithm． Keywords Fuzzysupportvectormachine Anti-noise Activelearning Interval 0 引 言 1 主动学习与模糊支持向量机理论 主动学习 是一种针对小样本学习问题 的优秀的学习 1．1 主动学习 策略。小样本学习问题由于样本数 目很少，因此很容易使分类 主动学习概念最初是由Bonwell和Eison1991年在其教育 器产生过拟合现象，主动学习的目的就是从未标记的样本集 中 学的著作中提出，后来主动学习这个概念被引入到了