用于新兴类在线发现与建模的贝叶斯非穷尽学习
机器学习
2012-06-22 v1 机器学习
摘要
我们提出了一个框架，用于在类集合非穷尽定义的情况下进行在线推断，该框架结合了监督分类与类发现和建模。定义在类分布上的狄利克雷过程先验 (DPP) 模型确保了已知和未知类分布均源自同一个基分布。为了自动发现潜在有趣的类形成，该先验模型与适当选择的数据模型相结合，并使用序贯蒙特卡洛采样进行在线推断。我们的研究由生物检测应用驱动，在该应用中，一类新的病原体可能突然出现，而源自该类的样本数量迅速增加表明疫情爆发。
引用
@article{arxiv.1206.4600,
title = {Bayesian Nonexhaustive Learning for Online Discovery and Modeling of Emerging Classes},
author = {Murat Dundar and Ferit Akova and Alan Qi and Bartek Rajwa},
journal= {arXiv preprint arXiv:1206.4600},
year = {2012}
}
备注
ICML2012