基于图约束和预聚类的主动学习算法在威胁情景感知中的研究.pdfVIP

第34卷第5期 计算机应用研究 V01．34No．5 2017年5月 Researchof Mav2017 Application Computers 基于图约束和预聚类的主动学习算法 在威胁情景感知中的研究术 张鹏，刘寅，栾国强，刘行，丁晓玉，程根 (南京南瑞集团公司／国网电力科学研究院，南京210003) 摘要：针对现有的威胁感知算法对样本标注代价较大，并且在训练分类器时只使用已标注的威胁样本，提出 了一种基于图约束和预聚类的主动学习算法二该算法旨在通过降低标注威胁样本的代价，并且充分利用未标注 的威胁样本对训练分类器的辅助作用，训练出更好的分类器以有效地感知威胁情景。该算法用已标注的威胁样 本集合训练分类器，从未标注的威胁样本集中挑选出最有价值的威胁样本，并对其进行标注，再将标注后的威胁 样本加入已标注的样本集中，同时删去原来未标注样本集中的此样本，最后用新的已标注的威胁样本集重新训 练分类器，直到满足循环条件终止。仿真实验表明，基于图约束与预聚类的主动学习算法在达到目标准确率的 同时降低了标注代价且误报率较低，能够有效地感知威胁情景，具有一定的研究意义。 关键词：图约束；预聚类；情景感知；标注代价 中图分类号：TP309．2 文献标志码：A 文章编号：1001-3695(2017)05—1544—04 doi：10．3969／j．issn．1001—3695．2017．05．060 Researchonthreatsituationawarenessinactivinglearning basedon constraintsand algorithm graph pre—clustering Zhang Yin，Luan Gen Peng，Liu Guoqiang，LiuXing，DingXiaoyu，Chen GridElectricPowerResearch (NARIGroupCorporation／State 210003，China) Institute，Nanjing viewofthe threat costof was Abstract：In and usedthelabeled existingperceptionalgorithm，thesamplelabelinglarge just totrainthe was forwardan basedonthethe of samples classifier，thisput learningalgorithm，which paper activing algorithm constraintsand toachieveabetter thecostsofthreat