- 1、本文档共69页,其中可免费阅读21页,需付费100金币后方可阅读剩余内容。
- 2、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。
- 3、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。
- 4、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
数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关
键在于从实时到达且不断变化的数据流中检测并适应概念漂移。为了从复杂多变的
数据流中挖掘出有价值的信息,迫切需要研究面向数据流的高效学习方法来实时捕
获数据流中变化的簇结构。目前多数方法为了检测概念漂移和更新分类模型,通常
假设所有样本的标签都是已知的,这一假设在真实场景下是不现实的。此外在已有
的二类数据流主动学习方法中,往往忽略了初始训练集的类不平衡以及在线学习阶
段类不平衡比率变化的问题。相对于二类数据流而言,面向
文档评论(0)