本發(fā)明公開了一種基于主動學(xué)習(xí)結(jié)合PNN的異常識別方法,涉及異常體征識別技術(shù)領(lǐng)域,通過篩選最有價值的樣本進(jìn)行標(biāo)記,既可降低人工標(biāo)注成本,又可提高已標(biāo)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(biāo)注的礦工體征數(shù)據(jù)并將其交由專家進(jìn)行標(biāo)注,然后置入訓(xùn)練集進(jìn)行訓(xùn)練,從而在訓(xùn)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(gòu)建高性能分類器的代價,提升訓(xùn)練效率,能取得傳統(tǒng)監(jiān)督學(xué)習(xí)算法所獲得的近似分類準(zhǔn)確率。PNN算法建模過程簡單、訓(xùn)練速度快、分類更準(zhǔn)確、容錯性好。將主動學(xué)習(xí)與PNN算法相結(jié)合,用于體征異常礦工的識別,實(shí)現(xiàn)了礦工身體健康狀態(tài)的高效且快速識別,完成了部分職業(yè)病的前期預(yù)警。
聲明:
“基于主動學(xué)習(xí)結(jié)合PNN的異常識別方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)