matlab最小生成树代码-asap:成对比较的快速准确的ActiveSAmpling方法

matlab最小生成树代码ASAP：通过近似消息传递和信息增益最大化进行成对比较的主动采样 成对比较数据在许多领域中都带有主观评估实验，例如在图像和视频质量评估中。 在这些实验中，要求观察者表达两个条件之间的偏好。 但是，许多成对的比较协议需要大量的比较才能推断出准确的分数，当每个比较比较耗时（例如，视频）或昂贵（例如，医学成像）时，这可能是不可行的。 这激发了主动采样算法的使用，该算法仅选择信息最丰富的对进行比较。 我们提出了ASAP，这是一种基于近似消息传递和期望信息增益最大化的主动采样算法。 与大多数现有方法依赖于后验分布的部分更新不同，我们能够执行全部更新，因此可以大大提高推断分数的准确性。 该算法依赖于三种降低计算成本的技术：基于近似消息传递的推理，信息增益的选择性评估以及成批选择对，这些对形成信息增益逆的最小生成树。 我们用真实和综合的数据证明，与现有方法相比，ASAP提供了最高的推断分数准确性。 如果使用代码，请引用： A. Mikhailiuk，C。Wilmot，M。Perez-Ortiz，D。Yue和RK Mantiuk，2020年。“通过近似消息传递和信息增益最大化