LiPU：一种基于KL距离的主动分类算法
在实际应用中，由于各种原因，时常无法直接获得反例，导致传统分类方法的暂时失灵，所以，基于正例和未标识集的主动分类问题顿时成为了理论界的焦点。为了解决这一难题，理论界相继提出了许多不同的解决方案，然而，这些方法不能有效处理非平衡问题，尤其当隐匿反例非常少或训练集中的实例分布不均匀时。因此，本文提出了一种基于KL距离的主动分类算法-LiPU；依次挖掘出未标识集中的最可靠正例和反例，接着使用训练好的增强型分类器来找出所有反例。与其他方法相比，不仅提高了分类的查准率和查全率，而且具有鲁棒性。
KL距离 主动分类算法 非平衡 隐匿反例 增强型分类器 数据库
许震 沙朝锋 王晓玲 周傲英
复旦大学计算机科学技术学院 上海 200433 华东师范大学海量计算研究所 上海 200062 上海市智能信息处理重点实验室 上海 200433
国内会议
南昌
中文
88-95
2009-10-15（万方平台首次上网日期，不代表论文的发表时间）