第1章 绪论 1
1.1 主动学习的背景 1
1.2 主动学习的技术特点 3
1.3 主动学习的研究现状 5
1.3.1 主动学习过程 6
1.3.2 主动学习分类 7
1.3.3 主动学习的理论分析 8
1.4 主动样本选择方法概述 10
1.4.1 基于不确定性的样本选择方法 11
1.4.2 基于版本空间缩减的样本选择方法 14
1.4.3 基于误差缩减的样本选择方法 16
1.5 本书主要内容安排 17
第2章 加权样本选择 19
2.1 方法的提出 19
2.2 研究动态 20
2.3 最小化风险期望误差 21
2.3.1 基本模型 22
2.3.2 算法步骤 23
2.3.3 算法分析 24
2.4 实验与讨论 26
第3章 分布优化样本选择 33
3.1 问题的提出 33
3.2 样本选择过程 34
3.3 图像分类应用 37
第4章 主动标注估计 42
4.1 代价-增益模型 42
4.2 标注估计技术 45
4.3 多标注者环境下主动标注估计技术 47
4.3.1 基本框架 48
4.3.2 参数估计 50
4.3.3 学习算法设计步骤 52
4.4 仿真研究 53
4.4.1 基本设置 54
4.4.2 性能比较 55
第5章 快速样本选择方法 70
5.1 样本选择效率 70
5.2 基于margin的样本选择 72
5.3 基于Hash数据结构的样本选择方法 74
5.3.1 近似距离 74
5.3.2 权重选择 75
5.4 图像检索应用 78
参考文献 85