本發明公開了一種基于主動學習結合PNN的異常識別方法,涉及異常體征識別技術領域,通過篩選最有價值的樣本進行標記,既可降低人工標注成本,又可提高已標注樣本的泛化能力。分類器能夠主動選擇包含信息量大的未標注的礦工體征數據并將其交由專家進行標注,然后置入訓練集進行訓練,從而在訓練集較小的情況下獲得較高的分類正確率,這樣可以有效的降低構建高性能分類器的代價,提升訓練效率,能取得傳統監督學習算法所獲得的近似分類準確率。PNN算法建模過程簡單、訓練速度快、分類更準確、容錯性好。將主動學習與PNN算法相結合,用于體征異常礦工的識別,實現了礦工身體健康狀態的高效且快速識別,完成了部分職業病的前期預警。
聲明:
“基于主動學習結合PNN的異常識別方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)