公开(公告)号：CN117852617A

公开(公告)日：2024-04-09

申请号：CN202410018254.X

申请日：2024-01-05

Applicant: 中国矿业大学

Inventor： 李仲年 ,  许新征 ,  张守佩 ,  李宇恒 ,  孙仁科

IPC: G06N3/091 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/0499 ,  G06V10/762 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种兼具不确定性和代表性的主动学习框架，先通过设置基于对比学习的自监督前置任务学习器对整个数据池的样本进行排序分批处理，然后对分批后的样本在实例级和簇级双重框架下进行对比聚类，然后基于K近邻算法计算所有样本的异常值得分，并对所有簇中的离群样本进行采样。本发明能够更好地对未标记数据进行分类，实现在实例级和簇级双重对比框架下的聚类，具有更优秀的效果，在第一轮迭代中就表现出强大的优势，能够解决主动学习的冷启动问题。