| 《计算机应用研究》优先出版 » 2021年第38卷 » 第7期 » 综述评论 |
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 |
| 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 … 次 |
| 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 | |