基于主动−被动增量集成的概念漂移适应方法.pdfVIP

第

51

卷

第

5

期自

动

化

学

报Vol.

51,

No.

5

2025

年

5

月ACTA

AUTOMATICA

SINICAMay,

2025

基于主动−被动增量集成的概念漂移适应方法

1,

211,

2,

31,

234

祁晓博

陈佳明

史

颖

亓

慧

郭虎升

王文剑

摘要数据流是一组随时间连续到来的数据序列,

在数据流不断产生的过程中,

由于各种因素的影响,

数据分布随时间

推移可能以不可预测的方式发生变化,

这种现象称为概念漂移.

在漂移发生后,

当前模型需要及时响应数据流中的实时分布

变化,

并有效处理不同类型的概念漂移,

从而避免模型泛化性能下降.

针对这一问题,

提出一种基于主动–被动增量集成的

概念漂移适应方法(CDAM-APIE).

该方法首先使用在线增量集成策略构建被动集成模型,

对新样本进行实时预测以动态

更新基模型权重,

有利于快速响应数据分布的瞬时变化,

并增强模型适应概念漂移的能力.

在此基础上,

利用增量学习和概

念漂移检测技术构建主动基模型,

提升模型在平稳数据流状态下的鲁棒性和漂移后的泛化性能.

实验结果表明,

CDAM-

APIE能够对概念漂移做出及时响应,

同时有效提高模型的泛化性能.

关键词概念漂移,

数据流分类,

增量学习,

在线集成

引用格式

祁晓博,

陈佳明,

史颖,

亓慧,

郭虎升,

王文剑.

基于主动−被动增量集成的概念漂移适应方法.

自动化学报,

2025,

51(5):

1131−1144

DOI

10.16383/j.aas.c240503

CSTR

32138.14.j.aas.c240503

ConceptDriftAdaptiveMethodBasedonActive-PassiveIncrementalEnsemble

1,

211,

2,

31,

234

QI

Xiao-Bo

CHEN

Jia-Ming

SHI

Ying

QI

Hui

GUO

Hu-Sheng

WANG

Wen-Jian

AbstractA

data

stream

refers

to

a

set

of

data

sequences

that

arrive

continuously

over

time.

Due

to

various

influ-

encing

factors,

the

data

distribution

may

change

in

an

unpredictable

manner

over

time

during

the

continuous

gener-

ation

of

data

streams,

a

phenomenon

known

as

concept

drift.

After

the

drift

occurs,

the

current

model

needs

to

re-

spond

promptly

to

the

real-time

distributional

changes

in

the

data

stream

and

handle

different

types

of

concept

drift

efficiently,

in

order

to

avoid

the

degradatio