روش مبتنی بر یادگیری فعال در ماشین های بردار پشتیبان نیمه ناظر

ماشین های بردار پشتیبان نیمه ناظر ، شاخه ای از ماشین های بردار پشتیبان استاندارد در مسائل یادگیری ماشین امروزی هستند. در الی که ماشین های بردار پشتیبان نیمه ناظر امروزی دارای مشکلاتی همانند سرعت آموزش پایین ، دقت پایین و غیره می باشد. در این مقاله ما به ارائه یک ماشین بردار پشتیبان نیمه ناظر که بر اساس یادگیری فعال کار می کند می پردازیم. در مرحله اول آموزش ماشین ، از نمونه های کمی که دارای کلاس مشخصی می باشند استفاده می کنیم و سپس در مراحل بعدی ماشین استخراج می کنیم. با این روش هزینه آموزش ماشین را با استفاده از نمونه های موثر در یادگیری پایین می آوریم. آزمایشات شبیه سازی شده نشان می دهد که الگوریتم پیشنهاد شده در حالی که هزینه یادگیری را پایین می آورد از قت یالاتری نیز برخوردار می باشد.