概念漂移数据流分类研究综述

• 作者: 强保华 益民 范志刚
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 大数据 概念漂移 增量学习 适应学习 数据流
• 年，卷（期）: 2013,（2）
• 页码范围: 95-104
• 页数: 10页
• 分类号: TP391.4
• 字数: 8120字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.201208012

摘要

由于现有各种机器学习算法本质上都是基于一个静态学习环境，而以尽量保证学习系统泛化能力为目标的寻优过程，概念漂移数据流分类给机器学习带来了巨大挑战。从数据流与概念漂移、概念漂移数据流分类研究的发展与趋势、概念漂移数据流分类的主要研究领域、概念漂移数据流分类研究的新动态4个方面展开了文献综述，并分析了当前概念漂移数据流分类算法存在的问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	强保华	桂林电子科技大学计算机科学与工程学院	25	181	7.0	12.0
2	益民	桂林电子科技大学计算机科学与工程学院	11	230	6.0	11.0
3	范志刚	中国科学院上海高等研究院	4	57	3.0	4.0