咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >低代价的数据流分类算法 收藏

低代价的数据流分类算法

Low-Cost Algorithm for Stream Data Classification

作     者:李南 LI Nan

作者机构:福建农林大学计算机与信息学院福州350002 

出 版 物:《计算机系统应用》 (Computer Systems & Applications)

年 卷 期:2016年第25卷第12期

页      面:187-192页

学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

基  金:福建省自然科学基金(2013J01216 2016J01280) 

主  题:概念漂移 数据流 分类 低代价 监督学习 

摘      要:现有数据流分类算法大多使用有监督学习,而标记高速数据流上的样本需要很大的代价,因此缺乏实用性.针对以上问题,提出了一种低代价的数据流分类算法2SDC.新算法利用少量已标记类别的样本和大量未标记样本来训练和更新分类模型,并且动态监测数据流上可能发生的概念漂移.真实数据流上的实验表明,2SDC算法不仅具有和当前有监督学习分类算法相当的分类精度,并且能够自适应数据流上的概念漂移.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分