技术总结
本发明公开了一种基于K近邻的支持向量机主动学习的方法，具体步骤为：步骤一：用初始已标注样本集L训练一个初始SVM分类器；步骤二：从未标注样本中找到潜在的高信息含量样本集Sp；步骤三：从Sp中找到信息含量最大的样本；步骤四：将此高信息含量的样本交由专家手工标注后放入已标注样本集L中；步骤五：用更新的已标注样本集L重新训练SVM分类器；步骤六：判断是否满足停止准则，满足则停止迭代，输出训练好的SVM分类器，不满足则重复步骤二至步骤五。本发明基于样本的K近邻来判断样本的信息含量，其对样本信息含量的描述更加准确，因而能找到真正的信息含量大的样本，进而能更好地提高分类器的分类性能。
技术研发人员：冷严;徐新艳;齐广慧
受保护的技术使用者：山东师范大学
文档号码：201310300678
技术研发日：2013.07.17
技术公布日：2017.02.22