非平衡概念漂移数据流主动学习方法
文献类型：期刊论文
| 作者 | 李艳红; 王甜甜; 王素格; 李德玉 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2024 |
| 卷号 | 50期号:3页码:589-606 |
| 关键词 | 数据流分类 主动学习 概念漂移 多类不平衡 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c230233 |
| 英文摘要 | 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. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/55733]  |
| 专题 | 自动化研究所_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. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
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。