本發(fā)明公開(kāi)了一種基于主動(dòng)學(xué)習(xí)結(jié)合PNN的異常識(shí)別方法，涉及異常體征識(shí)別技術(shù)領(lǐng)域，通過(guò)篩選最有價(jià)值的樣本進(jìn)行標(biāo)記，既可降低人工標(biāo)注成本，又可提高已標(biāo)注樣本的泛化能力。分類(lèi)器能夠主動(dòng)選擇包含信息量大的未標(biāo)注的礦工體征數(shù)據(jù)并將其交由專(zhuān)家進(jìn)行標(biāo)注，然后置入訓(xùn)練集進(jìn)行訓(xùn)練，從而在訓(xùn)練集較小的情況下獲得較高的分類(lèi)正確率，這樣可以有效的降低構(gòu)建高性能分類(lèi)器的代價(jià)，提升訓(xùn)練效率，能取得傳統(tǒng)監(jiān)督學(xué)習(xí)算法所獲得的近似分類(lèi)準(zhǔn)確率。PNN算法建模過(guò)程簡(jiǎn)單、訓(xùn)練速度快、分類(lèi)更準(zhǔn)確、容錯(cuò)性好。將主動(dòng)學(xué)習(xí)與PNN算法相結(jié)合，用于體征異常礦工的識(shí)別，實(shí)現(xiàn)了礦工身體健康狀態(tài)的高效且快速識(shí)別，完成了部分職業(yè)病的前期預(yù)警。