论文部分内容阅读
讨论了利用OBC（委员会投票选择）的主动学习方法来学习贝叶斯网络分类器，通过对基于投票熵和基于KL—divergence的OBC算法的研究，指出了两者存在的缺陷；同时提出了基于投票熵与类条件后验最大熵相结合的OBC算法。实验证明，该算法提高了分类器的精度，并使用了较少的训练样本，这有效解决了大数据量训练样本获得困难的情况下分类器建模问题。