基于半监督学习的数据流集成分类算法木.PDFVIP

第 25卷 第 2期 模式识别与人工智能 Vol_25 No．2 2012年 4月 PR AI Apr 2012 基于半监督学习的数据流集成分类算法木 徐文华 覃 征 ， 常 扬 (清华大学信息科学技术学院计算机系 北京 100084) (清华大学信息科学技术学院 软件学院 北京 100084) 摘 要 已有的数据流分类算法多采用有监督学习，需要使用大量已标记数据训练分类器，而获取已标记数据的 成本很高，算法缺乏实用性．针对此问题，文中提出基于半监督学习的集成分类算法 SEClass，能利用少量 已标记数 据和大量未标记数据，训练和更新集成分类器，并使用多数投票方式对测试数据进行分类．实验结果表明，使用同 样数量的已标记训练数据，SEClass算法与最新的有监督集成分类算法相比，其准确率平均高5．33％．且运算时间 随属性维度和类标签数量的增加呈线性增长，能够适用于高维、高速数据流分类问题． 关键词 属性权值，概念漂移，集成分类器 ，同质性，K均值聚类，半监督学习，数据流分类 中图法分类号 TP311．13 Semi-SupervisedLearningBasedEnsembleClassifier forStream Data XUWen．Hua ，QINZheng一，CHANGYang (DepartmentofComputerScienceandTechnology，SchoolofInformationScienceandTechnology， TsinghuaUniversity，Beoing100084) (Schoolof 讹Ire，SchoolofInformationScienceandTechnology，TsinghuaUniversity，Beijing100084) ABSTRACT Stream dataclassificationalgorithmsaremainlybasedonsupervisedlearningstrategy，andtheyneed massivelabeled datafortraining．Theseapproachesareunpracticaldue to thehigh costofacquiring labeled data in arealstreaming environment．A semi—supervised learning based ensemble classifier (SEClass)ispresentedofrstreamdataclassification．SEClassutilizesbothasmallnumberoflabeled dataandagreatnumberofunlabeleddatatotrainan ensembleclassifier，andunlabeled instancesare classifiedusingthemajorityvotingstrategy．TheexperimentalresultsshowthattheaccuracyofSEClassis 5．33％ higherinaveragethanthatofthestate—of-the-artsupervisedmethodusingthesamenumberof labeleddataofrtraining．AndSEClassissuitableofrhigh—dimensionalhigh—speedmassivestream data classificati0n． Key W ords Attribute Weighring， ConceptDrift，Ensembl