基于核心向量机的多任务概念漂移数据快速分类-智能系统学报.PDF

第 13 卷第 6 期 智　能　系　统　学　报 Vol.13 No.6 2018 年 12 月 CAAI Transactions on Intelligent Systems Dec. 2018 DOI: 10.11992/tis.201712019 网络出版地址: /kcms/detail/23.1538.TP0849.002.html 基于核心向量机的多任务概念漂移数据快速分类 1,2 1 1,3 2 2 史荧中 ，王士同，邓赵红 ，侯立功，钱冬杰 （1. 江南大学 数字媒体学院，江苏 无锡 214122; 2. 无锡职业技术学院 物联网学院，江苏 无锡 214121; 3. 江苏省 媒体设计与软件技术重点实验室(江南大学)，江苏 无锡 214122 ） 摘 要：通过协同求解多个概念漂移问题并充分挖掘相关概念漂移问题中蕴含的有效信息，共享矢量链支持向 量机(shared vector chain supported vector machines，SVC-SVM) 在面向多任务概念漂移分类时表现出良好性能。 然而实际应用中的概念漂移问题通常有较大的数据容量，较高的计算代价限制了SVC-SVM 方法的推广能力。 针对这个弱点，借鉴核心向量机的近线性时间复杂度的优势，提出了适于多任务概念漂移大规模数据的共享矢 量链核心向量机(shared vector chain core vector machines，SVC-CVM)。SVC-CVM 具有渐近线性时间复杂度的算 法特点，同时又继承了SVC-SVM 方法协同求解多个概念漂移问题带来的良好性能，实验验证了该方法在多任 务概念漂移大规模数据集上的有效性和快速性。 关键词：多任务；大规模数据集；概念漂移；核心向量机；线性时间复杂度 中图分类号：TP181 文献标志码：A 文章编号：1673−4785(2018)06−0935−11 中文引用格式：史荧中, 王士同, 邓赵红, 等. 基于核心向量机的多任务概念漂移数据快速分类[J]. 智能系统学报, 2018, 13(6): 935–945. 英文引用格式：SHI Yingzhong, WANG Shitong, DENG Zhaohong, et al. The core vector machine-based rapid classification of multi-task concept drift dataset[J]. CAAI transactions on intelligent systems, 2018, 13(6): 935–945. The core vector machine-based rapid classification of multi-task concept drift dataset 1,2 1 1,3 2 2 SHI Yingzhong ，WANG Shitong ，DENG Zhaohong ，HOU Ligong ，QIAN Dongjie (1. School of Digital Media, Jiangnan University, Wuxi 214122, China; 2. School of Internet of Things, Wuxi Institute of Techno- logy, Wuxi 214121, China; 3. Jiangsu Key Laboratory of Media Design and Software Techno