多示例多标记中基于样本特征分布的主动学习设计方法

本发明公开了多示例多标记中基于样本特征分布的主动学习设计方法。该方法是将miFV算法与基于最大均值差异，并引入样本相似性最小化的单示例多标记学习算法MLBMDR相结合。

该方法在主动学习中有效地引入miFV算法，快速地将多示例多标记问题转化为单示例多标记问题，便于快速计算；使用基于MMD的单示例多标记主动学习算法来进行符合原始数据分布的待查询样本集合的挑选；通过在优化过程中引入样本相似性最小化度量dist，来避免相似样本过多出现，提高训练样本的多样性。

本发明公开了多示例多标记中基于样本特征分布的主动学习设计方法，该方法是将miFV算法与基于最大均值差异，并引入样本相似性最小化的单示例多标记学习算法MLBMDR相结合。该方法在主动学习中有效地引入miFV算法快速的将多示例多标记问题转化为单示例多标记问题便于快速计算；使用基于MMD的单示例多标记主动学习算法来进行符合原始数据分布的待查询样本集合的挑选；通过在优化过程中引入样本相似性最小化度量dist来避免相似样本过多出现，提高训练样本的多样性。