计算机应用

作者：任杰, 闵帆, 汪敏

单位：1. 西南石油大学 计算机科学学院, 成都 610500;2. 西南石油大学 电气信息学院, 成都 610500

关键词：主动学习,k-Means聚类,标签均匀分布,三支决策

基金：四川省青年科技创新团队专项（2019JDTD0017）；四川省应用基础研究项目（2019JDTD0017）。

主动学习旨在通过人机交互减少专家标注，代价敏感主动学习则致力于平衡标注与误分类代价。基于三支决策（3WD）和标签均匀分布（LUD）模型，提出一种基于最远总距离采样的代价敏感主动学习算法（CAFS）。首先，设计了最远总距离采样策略，以查询代表性样本的标签；其次，利用了LUD模型和代价函数，计算期望采样数目；最后，使用了k-Means聚类技术分裂已获得不同标签的块。CAFS算法利用三支决策思想迭代地进行标签查询、实例预测和块分裂，直至处理完所有实例。学习过程在代价最小化目标的控制下进行。在9个公开数据上比较，CAFS比11个主流的算法具有更低的平均代价。

来源：2019年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第9期