本发明公开了一种基于主动学习结合PNN的异常识别方法,涉及异常体征识别技术领域,通过筛选最有价值的样本进行标记,既可降低人工标注成本,又可提高已标注样本的泛化能力。分类器能够主动选择包含信息量大的未标注的矿工体征数据并将其交由专家进行标注,然后置入训练集进行训练,从而在训练集较小的情况下获得较高的分类正确率,这样可以有效的降低构建高性能分类器的代价,提升训练效率,能取得传统监督学习算法所获得的近似分类准确率。PNN算法建模过程简单、训练速度快、分类更准确、容错性好。将主动学习与PNN算法相结合,用于体征异常矿工的识别,实现了矿工身体健康状态的高效且快速识别,完成了部分职业病的前期预警。
声明:
“基于主动学习结合PNN的异常识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)