基于不確定性樣例選擇算法的研究與改進(jìn).pdf

1、很多數(shù)據(jù)集中含有冗余數(shù)據(jù)、噪聲數(shù)據(jù)，以及不完備數(shù)據(jù)。這些數(shù)據(jù)不僅占據(jù)了很大的存儲(chǔ)空間，而且對(duì)學(xué)習(xí)器完全無(wú)用甚至有害。因此，我們希望能夠從一個(gè)數(shù)據(jù)集中選取少量有用的數(shù)據(jù)使之壓縮成一個(gè)比較小的數(shù)據(jù)集，目的是在不降低學(xué)習(xí)器性能的前提下，減少存儲(chǔ)空間。這就是樣例選擇所處理的問(wèn)題。根據(jù)處理的對(duì)象不同，樣例選擇大致可以分成兩大類(lèi)：數(shù)據(jù)過(guò)濾算法和主動(dòng)學(xué)習(xí)算法。數(shù)據(jù)過(guò)濾算法主要用于去除冗余數(shù)據(jù)和噪聲數(shù)據(jù)，而主動(dòng)學(xué)習(xí)算法主要用于處理不完備數(shù)據(jù)，即如何從無(wú)

2、類(lèi)標(biāo)的數(shù)據(jù)中選擇有價(jià)值的數(shù)據(jù)，這也是本課題處理的重點(diǎn)問(wèn)題。
　　 本論文研究了基于模糊決策樹(shù)的最大不確定性樣例選擇策略，并對(duì)該策略進(jìn)行了改進(jìn)。基于不確定性最大的樣例選擇策略?xún)A向于選取孤立點(diǎn)和異常點(diǎn)，而忽略分布密集區(qū)域的樣例，因此文章引入了樣例影響度作為樣例選擇的一個(gè)指標(biāo)。通過(guò)選取影響度較大的樣例，即位于樣例分布密集區(qū)域的樣例來(lái)盡量避免孤立點(diǎn)的選擇。隨后文章提出了新的樣例選擇標(biāo)準(zhǔn)：選擇影響度和不確定性乘積最大的樣例。通過(guò)對(duì)這種樣例