面向高速数据流的偏倚抽样集合分类器

• 作者: 张健沛 杨显飞 杨静
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 数据流 集合分类器 偏倚抽样 偏差方差分解
• 年，卷（期）: 2010,（4）
• 页码范围: 44-48
• 分类号: TP301
• 字数: 3603字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-5321.2010.04.009

摘要

针对高速数据流的流速超过集合分类器的处理能力,集合分类器无法训练全部最近到达的数据以更新分类器模型的问题,提出一种偏倚抽样集合分类器算法.通过偏差方差分解方法分析集合分类器的期望错误,利用计算待抽样数据的期望错误贡献度,实现数据的偏倚抽样,有效缩减了集合分类器的训练更新时间.与随机抽样集合分类器方法进行了比较.理论分析和实验结果表明,在抽样比例相同的条件下,该方法可以有效提高集合分类器的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	杨显飞	哈尔滨工程大学计算机科学与技术学院	4	18	3.0	4.0