低代价的数据流分类算法

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.

关键词：概念漂移、数据流、分类、低代价、监督学习

所属期刊栏目：25

分类号：TN9;TP3

资助基金：福建省自然科学基金2013J01216,2016J01280

在线出版日期：2017-01-06（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：187-192