互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于堆叠集成的数据流分类


□ 梁春泉 张 阳 刘全中

   (西北农林科技大学信息工程学院 陕西 杨凌 712100)
  
  摘 要:对数据流分类分析的常用方法是集成学习。为了得到更好的分类效果,给出一种基于堆叠集成的数据流分类分析方法。该方法通过构造一个分类器对基分类器进行集成。实验结果表明,与基于投票或加权投票的集成方法相比,基于堆叠集成方法对概念漂移的快速适应能力以及预测准确率得到了提高。
  关键词:堆叠集成; 数据流分类; 概念漂移
  中图分类号:TP301.6文献标志码:A
  文章编号:1001-3695(2009)05-1716-03
  
  Classifying data streams by stacking ensemble
  LIANG Chunquan ZHANG Yang LIU Quanzhong
  (College of Information Engineering Northwest A&F University Yangling Shaanxi 712100 China)
  Abstract:Ensemble learning is a general method for classifying data streams. In order to get a better classification this paper proposed a general framework for classifying data streams by stacking ensemble. Built another classifier to combine base classifiers. Experiments show that comparing majority vote or weight vote ensemble classifiers stacking ensemble classifiers has stronger ability in adapting to concept drifting and higher accuracy.
  Key words:stacking ensemble; classifying data streams; concept drifting
  
  0 引言
  
  数据流分类分析成为一个重要而又具有挑战的课题,在网络事件日志流、电话呼叫记录流、信用卡交易流、传感器数据流等多个领域中有着广泛应用。传统的分类分析工具在数据流处理分类分析中面临两个挑战,即大规模的数据量和概念漂移[1],其中大规模的数据流数据中隐含着知识概念的变化。数据流分类分析日益成为一个研究热点[2~4]。 ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017