《计算机应用研究》|Application Research of Computers

监督与半监督学习下的数据流集成分类综述

Overview of data stream ensemble classification based on supervised and semi-supervised learning

免费全文下载 (已被下载 次)  
获取PDF全文
作者 李小娟,韩萌,王乐,张妮,程浩东
机构 北方民族大学 计算机科学与工程学院
统计 摘要被查看 次,已被下载
摘要 数据流集成分类算法大多采用监督学习,这种方法存在的问题之一是需要使用大量标记数据训练分类器,而获取标记数据的成本很高。为解决这一问题,衍生出了半监督学习算法。在监督或半监督学习的条件下对数据流集成分类进行研究,是一个很有意义的方向。为此,从基分类器,关键技术,集成策略等三个方面进行介绍;其中基分类器主要介绍了决策树,神经网络,支持向量机等;关键技术从增量,在线等方面介绍,集成策略主要介绍了boosting,stacking等。对不同集成方法的优缺点,对比算法和实验数据集进行了总结与分析。最后给出了进一步研究方向,包括监督和半监督学习下对于概念漂移的处理、对于同质集成和异质集成的研究,无监督学习下的数据流集成分类等。
关键词 数据流;集成学习;监督学习;半监督学习
基金项目 国家自然科学基金资助项目(62062004)
宁夏自然科学基金资助项目(2020AAC03216)
本文URL http://www.arocmag.com/article/02-2021-07-002.html
收稿日期
修回日期
页码 -
中图分类号 TP3
文献标志码