李彦超；肖，傅；陈志；李波 半监督学习的自适应主动学习。 （中文。英文摘要） Zbl 1474.68263号 J.软件。 31，第12号，3808-3822（2020）. 摘要：主动学习算法试图通过从大量未标记示例中查询来克服标记瓶颈。现有的批处理模式主动学习算法存在三个局限性：（1）基于数据假设的模型很难找到既有信息又有代表性的图像；（2） 基于相似函数或优化某种多样性度量的方法可能会导致性能次优，并产生具有冗余示例的选定集；（3） 噪声标签问题一直是主动学习算法的一个障碍。本研究提出了一种基于深度学习的新型批处理模式主动学习方法。深度神经网络生成标记和未标记示例的表示（嵌入），采用标记循环模式，将标记示例与未标记示例之间的嵌入连接到同一类中，同时考虑了示例的信息性和代表性，以及对噪音标签的鲁棒性。将所提出的主动学习方法应用于半监督分类和聚类。设计子模函数以减少所选实例的冗余。此外，在主动学习中优化了权重损失的查询条件，自动平衡了信息量和代表性示例。具体来说，将批处理模式主动方案引入到分类方法中，提高了泛化能力。对于半监督聚类，所提出的主动约束方案被用于促进快速收敛，并且比无监督聚类性能更好。为了验证所提算法的有效性，针对不同任务的多样性基准数据集进行了大量实验，实验结果表明，与最先进的方法相比，该方法得到了一致且实质性的改进。 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：主动学习；半监督学习；分类；群集 PDF格式BibTeX公司 XML格式引用 \textit{Y.Li}等人，J.Softw。31，第12号，3808--3822（2020；Zbl 1474.68263） 全文： DOI程序