首页> 中国专利> 一种基于混合高斯模型和稀疏贝叶斯的主动学习分类方法

一种基于混合高斯模型和稀疏贝叶斯的主动学习分类方法

页面导航

摘要
著录项
相似文献

摘要

本发明公开了一种基于混合高斯模型和稀疏贝叶斯的主动学习分类方法，该方法包括以下步骤：1)对包括已标记样本和未标记样本的所有样本，采用混合高斯模型训练所有样本得到各个高斯分量的混合系数、均值和协方差；2)构建初始训练集XL，将初始训练集作为已标记样本集，并更新未标注样本集XU；3)构建初始的基于混合高斯核的直推式相关向量机模型GMM‑FRVM；4)基于GMM‑FRVM模型更新已标记样本集和未标记样本集；5)基于更新后的已标记样本集和未标记样本集重新训练GMM‑FRVM模型；6)采用最终的GMM‑FRVM模型完成所有样本的分类标记。本发明方法通过混合高斯模型和稀疏贝叶斯相结合的主动学习的手段，通过尽量少的人工标注获得较优的分类效果。

著录项

公开/公告号CN110197286B

专利类型发明专利
公开/公告日2021-03-16

原文格式PDF
申请/专利权人武汉理工大学;
展开▼

申请/专利号CN201910387355.3
发明设计人刘芳;马登峰;王洪海;李政颖;陈钢;赵洋;
展开▼

申请日2019-05-10
分类号G06N20/10(20190101);G06K9/62(20060101);
代理机构42102 湖北武汉永嘉专利代理有限公司;
代理人李丹
地址 430070 湖北省武汉市洪山区珞狮路122号
入库时间 2022-08-23 11:35:20

相似文献

专利
中文文献
外文文献

1. 一种基于混合高斯模型和稀疏贝叶斯的主动学习分类方法 [P] . 中国专利： CN110197286B . 2021.03.16
2. 一种基于混合高斯模型和稀疏贝叶斯的主动学习分类方法 [P] . 中国专利： CN110197286A . 2019-09-03
3. METHOD FOR EXPLAINABLE ACTIVE LEARNING, TO BE USED FOR OBJECT DETECTOR, BY USING BAYESIAN DUAL AUTOENCODER AND ACTIVE LEARNING DEVICE USING THE SAME [P] . EP3907654A1 . 2021-11-10

机译：用于说明主动学习的方法，用于用于对象检测器，通过使用相同的贝叶斯双自动化器和主动学习设备
4. METHOD FOR EXPLAINABLE ACTIVE LEARNING, TO BE USED FOR OBJECT DETECTOR, BY USING BAYESIAN DUAL AUTOENCODER AND ACTIVE LEARNING DEVICE USING THE SAME [P] . WO2021225279A1 . 2021-11-11

机译：用于说明主动学习的方法，用于用于对象检测器，通过使用相同的贝叶斯双自动化器和主动学习设备
5. METHODS OF DETERMINING PHYSIOLOGICAL INFORMATION BASED ON BAYESIAN PEAK SELECTION AND MONITORING DEVICES INCORPORATING THE SAME [P] . EP3706618A4 . 2021-09-08

机译：基于贝叶斯峰选择和监测设备的基于贝叶斯峰值选择和相同的监测设备确定方法的方法