| 输入:与标签样本,与未标记样本
,权衡参数(
),样品的数量选择的基础上他们的不确定性(
),批处理大小(
),和终止条件。 |
| 输出:最终学会了榆树分类器。 |
| (1) |
使用标记集训练榆树分类器
。 |
| (2) |
重复 |
| (3) |
计算样本的概率估计根据方程(pretrained榆树的分类器5)或(6)。 |
| (4) |
计算每个样本的不确定性水平使用方程(7)。 |
| (5) |
包括最不确定的样本集
。 |
| (6) |
选择样本使用方程(11)。 |
| (7) |
标签被选中样本。 |
| (8) |
更新标签设置和标记
。 |
| (9) |
使用扩展的设置培养一个新的榆树分类器。 |
| (10) |
直到满足终止条件。 |
| (11) |
返回最后学会了榆树分类器的输出。 |
|
