逆C均值学习样本筛选方法  

An Inverse C-mean Method for Filtering the learning Samples

作　　者：薛志东[1] 王燕[2] 邱德红[1] 

机构地区：[1]华中科技大学软件学院,湖北武汉430074 [2]华中科技大学控制科学与工程系,湖北武汉430074

出　　处：《微计算机信息》2007年第27期209-210,共2页Control & Automation

基　　金：国家自然科学基金(60274026;60373089);教育部中国教育科研网格计划ChinaGrid图像处理网格应用平台建设专题项目(CG2003-GA00102)

摘　　要：在有监督分类中,歧义学习样本将导致学习时间增长,分类性能下降等问题。本文提出一种逆C均值样本筛选方法,可有效剔出歧义的训练样本。该方法采用类似C均值聚类分析逆过程的方法,将有歧义的学习样本从训练集中剔除。本文以有监督图像分割中的样本选择为例进行实验。实验表明,该方法可有效消除由人机交互引入的歧义样本。The error samples may lead to long time and low performance in the classification using the supervised learning. In this paper, an Inverse C-Mean method was proposed to filter the error samples. The proposed method is like the inverse procedure of C mean cluster. Experiments illustrated that the mentioned method was valid to filter the error sample in the learning samples.

关 键 词：有监督学习 样本筛选 逆C均值 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]