學習筆記，僅供參考，有錯必糾

---

A nearest neighbor-based active learning method and its application to time series classification

摘要

雖然最近鄰方法在時間序列分類中被廣泛使用，但是其成功的性能需要足夠的標記數據，由于標記成本高，這通常難以獲得。

本文考慮了一個實際的分類場景，其中標記數據很少，但未標記數據很多，并且為標注任務提供了有限的預算。為了在資源有限的情況下進行有效的分類，我們提出了一種基于最近鄰的主動學習采樣策略。該方法使用高度局部化的信息來度量未標記實例的不確定性和效用，適用于極稀疏的標記數據。此外，我們將所提出的方法擴展到批處理模式主動學習，以在每次采樣迭代中選擇一批信息樣本。

在WAFER和ECG5000數據集上的實驗結果表明，與其他基于最近鄰的方法相比，該算法是有效的。

Introduction

標注時間序列數據是數據分析人員的常見問題。 盡管已經提出了許多有監督的學習方法來進行自動時間序列分類[1]，但是構建這樣的性能良好的分類器需要足夠數量的標記訓練數據。 在實踐中，收集完整的標記數據集可能是困難的或昂貴的?

總結

以上是生活随笔為你收集整理的文献记录(part84)--A nearest neighbor-based active learning method and its application to time ...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。