我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于分层校验的多标签数据流概念漂移检测 下载：58 浏览：381

张永 刘浩科 陈天祯 《人工智能研究》 2020年6期

摘要:
现有的概念漂移检测方法大多集中于单标签数据流,难以满足多标签数据流概念漂移检测的需要,因此文中提出基于分层校验的多标签数据流概念漂移检测算法.算法包括检验层和校验层,检验层通过检测数据分布变化判断是否发生概念漂移,校验层通过判断标签混淆矩阵的变化程度验证是否真正发生概念漂移.在真实多标签数据集和合成多标签数据集上的实验表明,文中算法表现更优,可以有效检测概念漂移,提升分类性能.

面向不平衡数据流的自适应加权在线超限学习机算法 下载：78 浏览：376

梅颖 卢诚波 《人工智能研究》 2019年4期

摘要:
一般的在线学习算法对不平衡数据流的分类识别会遇到较大困难,特别是当数据流发生概念漂移时,对其进行分类会变得更困难.文中提出面向不平衡数据流的自适应加权在线超限学习机算法,自动调整实时到达的训练样本的惩罚参数,达到在线学习不平衡数据流的目的.文中算法可以适用于不同偏斜程度的静态数据流的在线学习和发生概念漂移时数据流的在线学习.理论分析和在多个真实数据流上的实验表明文中算法的正确性和有效性.

面向非平衡与概念漂移的数据流分类的研究 下载：80 浏览：521

陈荣 《计算机研究与应用》 2020年12期

摘要:
在数据流分类大环境中,数据量级不断增大,数据样本对应的概念也在不断发生变化,这不但产生"概念漂移",数据类别分布不平衡的现象也出现愈发频繁。面对这些问题,为了快速察觉到数据分布的变化,及时调整分类模型以适应新的数据分布,针对在类别不平衡环境中的不同类型的概念漂移,设计利用部分标记数据给出不同判定方式以及分类模型再构建。实验结果显示新模型有较好的性能。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享