最佳的分类器链局部检测与挖掘算法

摘要：

为在先验信息不足以及数据动态变化时,从大数据中检测各种概念并提取有用的信息,提出一种局部检测与挖掘算法,构建最佳分类器链.采用多臂赌博机对分类器进行学习,构建的分类器在运行时不需要通过分布式局部分类器中央单元进行任何信息的交换,只需反馈有限的挖掘效果,确保最佳分类器链的学习;无需任何先验信息,学习的后悔值随分类函数个数的增加呈线性增长.数值模拟实验结果表明,与经典相关方法相比,该方法在分类器数量增加时性能更优,收敛速度更快.

关键词：分类器链、检测与挖掘、赌博机问题、后悔值、局部学习算法

所属期刊栏目：38

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61500232、61470724;国网面向大数据技术攻关基金项目PD71-15-043、2015渝电科技13#

在线出版日期：2018-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3056-3060,3079