|
|||||
|
|
| 基于实例迁移的数据流分类挖掘方法 | |
| 作者姓名： | 刘三民 刘余霞 |
| 作者单位： | 安徽工程大学计算机与信息学院, 安徽 芜湖 241000 |
| 基金项目： | 国家自然科学基金资助项目（71371012）;安徽省自然科学基金资助项目（1608085MF147）;教育部人文社科基金资助项目（18YJA630114）;安徽省提升计划一般项目（TSKJ2016B05） |
| 摘 要： | 为解决数据流分类过程中样本标注和概念漂移问题,提出了一种基于实例迁移的数据流分类挖掘模型.首先,该模型用支持向量机作学习器,用所得分类模型中的支持向量构建源领域,待分类的当前数据块为目标域.然后,借助互近邻思想在源域中挑选目标域中样本的真邻居进行实例迁移,避免发生负迁移.最后,通过合并目标域和迁移样本形成训练集,提高标注样本数量,增强模型的泛化能力.理论分析和实验结果表明,所提方法具有可行性,相比其它学习方法在分类准确性方面更具优势. |
| 关 键 词： | 互近邻 迁移学习 数据流分类 增量学习 |
| 收稿时间： | 2018-10-08 |
| 本文献已被 维普 等数据库收录！ | |
| 点击此处可从《信息与控制》浏览原始摘要信息 | |
| 点击此处可从《信息与控制》下载全文 | |
