动态数据流分析的在线超限学习算法综述

摘要：

动态数据流分析是一个具有广泛应用价值的研究课题,在线学习方法是其中的一种关键技术.在众多在线学习方法中,在线贯序超限学习机(Online Sequential Extreme Learning Machine,OSELM)是一种新颖且实用的在线学习算法,目前已在动态数据流分析中得到了成功应用.首先,介绍了OSELM的理论基础和算法执行过程;然后,以动态数据流分析为应用背景,对各种改进OSELM算法进行了分类综述,包括基于滑动窗口的OSELM、基于遗忘因子的OSELM、基于样本加权的OSELM以及其他方法,重点论述了各类算法的设计思路和实现策略,并对其优缺点进行了比较和分析;最后,探讨了值得进一步研究的问题.

关键词：在线贯序超限学习机、动态数据流分析、滑动窗口、遗忘因子、样本加权

所属期刊栏目：46

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61603326 ,61379064 ,61273106

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7