首页|监督与半监督学习下的数据流集成分类综述

监督与半监督学习下的数据流集成分类综述

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
在监督或半监督学习的条件下对数据流集成分类进行研究是一个很有意义的方向.从基分类器、关键技术、集成策略等三个方面进行介绍,其中,基分类器主要介绍了决策树、神经网络、支持向量机等;关键技术从增量、在线等方面介绍;集成策略主要介绍了boosting、stacking等.对不同集成方法的优缺点、对比算法和实验数据集进行了总结与分析.最后给出了进一步研究方向,包括监督和半监督学习下对于概念漂移的处理、对于同质集成和异质集成的研究,无监督学习下的数据流集成分类等.
Overview of data stream ensemble classification based on supervised and semi-supervised learning

李小娟、韩萌、王乐、张妮、程浩东

展开 >

北方民族大学 计算机科学与工程学院,银川750021

数据流 集成学习 监督学习 半监督学习

国家自然科学基金宁夏自然科学基金

620620042020AAC03216

2021

10.19734/j.issn.1001-3695.2020.09.0351

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(7)
  • 4
  • 7