Knowledge Commons of Institute of Automation，CAS
| 非平衡概念漂移数据流主动学习方法 | |
| 李艳红; 王甜甜; 王素格; 李德玉 | |
| 发表期刊 | 自动化学报
 |
| ISSN | 0254-4156 |
| 2024 | |
| 卷号 | 50期号:3页码:589-606 |
| 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.目前,为检测概念漂移和更新分类模型,数据流分类方法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,真实数据流可能表现出较高且不断变化的类不平衡比率,会进一步增加数据流分类任务的复杂性.为此,提出一种非平衡概念漂移数据流主动学习方法 (Active learning method for imbalanced concept drift data stream, ALM-ICDDS).定义基于多预测概率的样本预测确定性度量,提出边缘阈值矩阵的自适应调整方法,使得标签查询策略适用于类别数较多的非平衡数据流;提出基于记忆强度的样本替换策略,将难区分、少数类样本和代表当前数据分布的样本保存在记忆窗口中,提升新基分类器的分类性能;定义基于分类精度的基分类器重要性评价及更新方法,实现漂移后的集成分类器更新.在7个合成数据流和3个真实数据流上的对比实验表明,提出的非平衡概念漂移数据流主动学习方法的分类性能优于6种概念漂移数据流学习方法. |
| 关键词 | 数据流分类 主动学习 概念漂移 多类不平衡 |
| DOI | 10.16383/j.aas.c230233 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ia.ac.cn/handle/173211/55733 |
| 专题 | 学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 李艳红,王甜甜,王素格,等. 非平衡概念漂移数据流主动学习方法[J]. 自动化学报,2024,50(3):589-606. |
| APA | 李艳红,王甜甜,王素格,&李德玉.(2024).非平衡概念漂移数据流主动学习方法.自动化学报,50(3),589-606. |
| MLA | 李艳红,et al."非平衡概念漂移数据流主动学习方法".自动化学报 50.3(2024):589-606. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| AAS-CN-2023-0233.pdf（2132KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [李艳红]的文章 |
| [王甜甜]的文章 |
| [王素格]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [李艳红]的文章 |
| [王甜甜]的文章 |
| [王素格]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [李艳红]的文章 |
| [王甜甜]的文章 |
| [王素格]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论