| 基于堆叠集成的数据流分类* |
| |
| 引用本文： | 梁春泉,张阳,刘全中. 基于堆叠集成的数据流分类*[J]. 计算机应用研究, 2009, 26(5): 1716-1718 |
| |
| 作者姓名： | 梁春泉 张阳 刘全中 |
| |
| 作者单位： | 西北农林科技大学,信息工程学院,陕西,杨凌,712100 |
| |
| 基金项目： | 西北农林科技大学青年骨干教师支持集合基金资助项目（01140301） |
| |
| 摘 要： | 对数据流分类分析的常用方法是集成学习。为了得到更好的分类效果，给出一种基于堆叠集成的数据流分类分析方法。该方法通过构造一个分类器对基分类器进行集成。实验结果表明，与基于投票或加权投票的集成方法相比，基于堆叠集成方法对概念漂移的快速适应能力以及预测准确率得到了提高。
|
| 关 键 词： | 堆叠集成； 数据流分类； 概念漂移 |
Classifying data streams by stacking ensemble |
| |
| LIANG Chun-quan,ZHANG Yang,LIU Quan-zhong. Classifying data streams by stacking ensemble[J]. Application Research of Computers, 2009, 26(5): 1716-1718 |
| |
| Authors: | LIANG Chun-quan ZHANG Yang LIU Quan-zhong |
| |
| Affiliation: | (College of Information Engineering, Northwest A&F University, Yangling Shaanxi 712100, China) |
| |
| Abstract: | Ensemble learning is a general method for classifying data streams. In order to get a better classification, this paper proposed a general framework for classifying data streams by stacking ensemble. Built another classifier to combine base classifiers. Experiments show that comparing majority vote or weight vote ensemble classifiers, stacking ensemble classifiers has stronger ability in adapting to concept drifting and higher accuracy. |
| |
| Keywords: | stacking ensemble classifying data streams concept drifting |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
