首页 | 本学科首页   官方微博 | 高级检索  
     

基于核极限学习机的多标签数据流集成分类方法
引用本文:张海翔,李培培,胡学钢.基于核极限学习机的多标签数据流集成分类方法[J].数据采集与处理,2022,37(1):183-193.
作者姓名:张海翔  李培培  胡学钢
作者单位:大数据知识工程教育部重点实验室(合肥工业大学),合肥 230601;合肥工业大学计算机与信息学院,合肥230601
基金项目:国家自然科学基金(61976077, 62076085)。
摘    要:极限学习机因具有高效处理、性能优越以及更少人工参数设定等优点,已成功应用于批处理多标签分类问题.然而,实际应用领域涌现的数据流呈现海量快速、多标签和概念漂移等特点,使得这些传统的多标签分类算法面临精度与时空的挑战.本文提出一种基于核极限学习机的多标签数据流集成分类方法.首先,为适应数据流环境,利用滑动窗口机制将数据流划...

关 键 词:多标签分类  数据流  核极限学习机  标签相关性  概念漂移
收稿时间:2020/7/12 0:00:00
修稿时间:2020/11/11 0:00:00

Multi-label Data Stream Ensemble Classification Approach Based on Kernel Extreme Learning Machine
ZHANG Haixiang,LI Peipei,HU Xuegang.Multi-label Data Stream Ensemble Classification Approach Based on Kernel Extreme Learning Machine[J].Journal of Data Acquisition & Processing,2022,37(1):183-193.
Authors:ZHANG Haixiang  LI Peipei  HU Xuegang
Affiliation:1.Key Laboratory of Big Data Knowledge Engineering Ministry of Education (Hefei University of Technology), Hefei 230601,China;2.School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230601,China
Abstract:
Keywords:multi-label classification  data stream  kernel extreme learning machine  label correlation  concept drift
本文献已被 万方数据 等数据库收录!
点击此处可从《数据采集与处理》浏览原始摘要信息
点击此处可从《数据采集与处理》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号