论文研究基于概率神经网络和KL散度的样例选择.pdf

提出了一种基于概率神经网络和K-L散度的样例选择算法。该算法利用概率神经网络估计训练样例的概率分布，利用K-L散度作为启发式来进行样例选择，用该方法选出的样例大多分布在分类边界附近。与五个著名的样例选择算法CNN、ENN、RNN、MCS和ICF进行了实验比较，实验结果显示，算法的选择比更低，训练出分类器具有更好的泛化能力，提出的方法是有效的。