基于主动-被动增量集成的概念漂移适应方法

分享到

【作者】祁晓博，陈佳明，史颖，亓慧，郭虎升，王文剑
【刊名】自动化学报
【作者单位】¹太原师范学院计算机科学与技术学院；²智能优化计算与区块链技术山西省重点实验室；³山西大学计算机与信息技术学院；⁴山西大学计算智能与中文信息处理教育部重点实验室
【ISSN】0254-4156
【关键词】概念漂移数据流分类增量学习在线集成
【摘要】数据流是一组随时间无限到来的数据序列,在数据流不断产生过程中,由于各种因素的影响,数据分布随时间推移可能以不可预测的方式发生变化,这种现象被称为概念漂移.在漂移发生后,当前学习模型需要及时响应数据流中的实时分布变化,并有效处理不同类型的概念漂移,从而避免模型泛化性能下降.针对这一问题,提出一种基于主动-被动增量集成的概念漂移适应方法 .该方法首先使用在线增量集成策略构建被动集成模型,对新样本进行实时预测以动态更新基模型权重,有利于快速响应数据分布的瞬时变化,并增强模型适应概念漂移的能力.在此基础...
【基金】国家自然科学基金
【文献类型】期刊