论文部分内容阅读
用支持向量机SVM进行分类时，针对在某些机器学习中，存在训练样本获取代价过大，且训练样本中类的数量不对称的问题，提出了基于主动学习策略的加权支持向量机。其在机器学习的进程中，每次从候选样本集中，主动选择最有利于改善分类器性能的n个新样本添加到训练样本中进行学习，引入类权重因子和样本权重因子，将惩罚参数与类权重因子和样本权重因子联系。实验结果表明，该方法能够有效减少训练样本数量，解决类的数量不对称的样本产生的最优分界面偏移的问题，使分类器获得较好的分类性能。