基于半监督学习的数据流集成分类算法

• 作者: 常扬 徐文华 覃征
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 属性权值 概念漂移 集成分类器 同质性 K均值聚类 半监督学习 数据流分类
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 292-299
• 分类号: TP311.13
• 字数: 7521字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2012.02.016

摘要

已有的数据流分类算法多采用有监督学习,需要使用大量已标记数据训练分类器,而获取已标记数据的成本很高,算法缺乏实用性.针对此问题,文中提出基于半监督学习的集成分类算法SEClass,能利用少量已标记数据和大量未标记数据,训练和更新集成分类器,并使用多数投票方式对测试数据进行分类.实验结果表明,使用同样数量的已标记训练数据,SEClass算法与最新的有监督集成分类算法相比,其准确率平均高5.33％.且运算时间随属性维度和类标签数量的增加呈线性增长,能够适用于高维、高速数据流分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃征	清华大学信息科学技术学院计算机系	74	970	19.0	27.0
5	徐文华	清华大学信息科学技术学院计算机系	2	48	2.0	2.0
6	常扬	清华大学信息科学技术学院软件学院	1	35	1.0	1.0