交互支持向量机学习算法及其应用

被引:38
|
作者
卢增祥
李衍达
机构
[1] 清华大学自动化系!北京
关键词
交互支持向量机; 主动学习; 文本分类; 文本信息过滤;
D O I
10.16511/j.cnki.qhdxxb.1999.07.023
中图分类号
TP301 [理论、方法];
学科分类号
081202 ;
摘要
交互支持向量机学习算法能解决一些监督学习问题中学习样本较少的问题,它以支持向量机( S V M )方法为基础,将设计分类器变成一个交互的过程,即: 根据对已知样本进行的 S V M 分类器设计,主动采样选择“有用”的新样本,并进行下一步 S V M 分类器的设计。与普通 S V M 法相比,该方法所需的样本量大大降低,而且可能达到更好的推广能力。文本信息过滤问题的实例说明了该算法的有效性。
引用
收藏
页码:93 / 97
页数:5
相关论文
共 3 条
  • [1] 模式识别[M]. - 清华大学出版社 , 边肇祺编著, 1988
  • [2] SUPPORT-VECTOR NETWORKS
    CORTES, C
    VAPNIK, V
    [J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297
  • [3] The Nature of Statistical Learning Theory .2 Vapnik V. New York: Springer press . 1995