支持向量机_SVM_主动学习方法研究与应用_张健沛.pdfVIP

下载本文档

3
0
约 3页
2017-08-21 发布于河南
举报
版权申诉

支持向量机_SVM_主动学习方法研究与应用_张健沛.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 24 卷第 1 期计算机应用 Vol . 24 ,No . 1 2004 年 1 月 Comp uter Applications 　 J an . ,2004 ( ) 文章编号 :100 1 - 9081 2004 0 1 - 000 1 - 03 ( ) 支持向量机 SVM 主动学习方法研究与应用张健沛 ,徐　华 ( 哈尔滨工程大学计算机科学与技术学院 ,黑龙江哈尔滨 15000 1) (xuhua7806 @sina . com) 摘　要 :文中介绍了一种用 SV M 进行主动学习的方法 ,解决在某些机器学习问题中 ,训练样本获取代价过大带来的问题。实验表明 ,该方法与普通 SV M 方法相比,在保证 SV M 分类器性能的前提下 ,可有效减少学习所需的样本数量。最后设计了一个基于该思想的邮件过滤器模型 ,依据该模型设计的邮件过滤器将有实时监控、自动更新邮件过滤模块的能力。关键词 :支持向量机 ;主动学习;文本分类 ; 邮件过滤中图分类号 : TP 181 ; TP30 1. 1 　　文献标识码 :A Study and Appl ication of Active Learning with SVM ZHAN G J ianpei ,XU Hua ( Comp uter S cience an d Technology S chool , Harbin Eng ineering University , Harbin Heilongj iang 15000 1, China) Abstract :An active learning met hod using SVM is introduced in t his p ap er . It is used to solve t he problem of t he exces sive exp enses caused by obtaining t he examples in t he machine learning. Exp eriment shows , comp ared wit h t he general SVM ,it can reduce t he number of examples effectively on t he premise of keeping correct ness of t he classifier . Finally ,an e mail filter model based on t his idea is brought forward . An email filter designed according to t he model is cap able of realtime monitoring and renewing t he filter module automatically . Key words :support vector machine ;active learning ;text classification ;email filter 类线性可分情况下 ,有很多可能的线性分类器可以把这组数 1 　引言