范纯龙 王翼新 宿 彤 张振鑫

1(沈阳航空航天大学计算机学院 辽宁 沈阳 110136) 2(辽宁省大规模分布式系统实验室 辽宁 沈阳 110136)

0 引 言

近几年，图像识别及其分类是深度学习领域中的重要应用，其中有监督学习是重要方法之一。但是利用该方法解决图像分类问题需要大量的有标签数据，然后利用分类器的参数学习样本中的特征，从而达到较好的分类效果。对于大量有标签数据的需求，网络技术的普遍应用可以使人们很容易获得海量数据，但是在一些实际应用中[1-3]，取得无标签样本很容易而标注样本是代价昂贵或耗费时间的。基于此类常见的问题，Angluin[1]提出了“主动学习”。

主动学习的目的是减少对样本数据的标注成本，用最少的有标签样本达到接近全样本训练效果。主动学习按照样本抽样模式可分为流样本模式和池样本模式，由于流样本模式的选择策略需要根据不同的任务进行适当的调整，很难作为通用方法使用。所以，近些年来主动学习主要在池样本模式上发展[4-6]，即在固定的大量无标签样本集中，根据选择策略反复选择对当前分类器而言信息量大的样本，其中按照选择策略原理不同，主要有基于不确定度[3,5,7-8]、泛化能力[9-10]、模型空间[11-12]等方法。这些策略都是根据样本与当前分类器或样本分布之间的关系，每次选择的样本数量多、信息量大且训练效果明显，但是没有考虑到样本对分类器而言信息重叠问题，即信息冗余问题。尽管每次选择样本的信息量足够大，但是信息冗余问题会导致选择多余的无意义样本，主动学习会因此失去意义。……