一种基于主动学习多视图多标签分类器的构建方法

摘要

本发明公开了一种基于主动学习多视图多标签分类器的构建方法，在基于多视图工作基础上，首先采用条件伯努利混合模型构建了一种多视图的分类器和一个综合分类器。并构建了一种选择样本的查询函数，用于在未标注样本集上挑选信息最为丰富的样本标注，添加到标注样本集上能够以标注最少的样本，最大化地提升分类器的效果，并减少标注的成本。本发明的创新点是将多视图的方法引入到多标签分类中构建分类器，并考虑标签之间的依赖关系、视图的一致性来制定样本的查询函数。最后在场景数据集上进行了实验，验证了本发明的有效性。