有限标签下的数据流分类方法研究.pdf

  1. 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
  2. 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  3. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

随着互联网的爆发式增长和信息社会的快速发展,许多行业都产生了大量的数

据流,如医疗诊断、网上购物、交通流量检测、卫星遥感等。与传统的静态数据不同,

数据流通常呈现实时性、连续性、快速变化以及无限性等特征,这使得数据流挖掘成

为一个亟待解决的问题。数据流挖掘的关键研究领域之一是数据流分类,其主要任务

是从持续涌入的数据流中快速捕获概念漂移并及时调整分类模型。极限学习机具有

训练速度快和泛化性能好的优点,这使其成为处理数据流分类问题的理想选择。数据

流分类任务通常伴有标签成本昂贵、概念漂移和多

文档评论(0)

136****6583 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:7043055023000005

1亿VIP精品文档

相关文档