主动学习新选样
一种样本选择策略，与现有主动查询算法不同，专门针对标签分布学习而设计。它不仅利用特征空间的不相似性来选择具有代表性的样本，还考虑了标签分布形态的多样性，从而能选择出真正有价值的样本进行查询。
李伟湋 · Wei, Qian · 陈雷 · 贾修一
Pattern Recognition 2024
该策略针对标签分布学习设计，保留了标签的重要度信息，而现有算法用于标签分布学习时会丢失关键监督信息。
它利用特征空间的不相似性挑选出能代表未标注数据分布的子集，使所选样本覆盖整个数据分布。
该策略利用预测的标签分布形态信息，对每个未标注样本计算多样性损失分数，从而选出与已标注样本形态不同的样本。
最终通过凸优化方法选择样本，确保所选样本既与已标注样本有差异，又能代表未标注数据分布，结果有理论保证。