一种采用渐进学习模式的SBS-CLearning分类算法

• 作者: 宋新平 朱玉全 申彦
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 大数据挖掘 分类算法 集成学习 增量学习 概念漂移
• 年，卷（期）: 2018,（6）
• 页码范围: 696-703
• 页数: 8页
• 分类号: TP181
• 字数: 6843字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2018.06.013

摘要

针对Learn++.NSE算法中多个基分类器之间相互独立、未利用前阶段学习结果辅助后续阶段学习而准确率较低的问题,借鉴人类的学习过程,优化Learn++.NSE算法内部的学习机制,转变基分类器的独立学习为渐进学习,提出了一种采用渐进学习模式的SBS-CLearning分类算法.分析了Learn++.NSE算法的不足.给出了SBS-CLearning算法的步骤,该算法在前阶段基分类器的基础之上先增量学习,再完成最终的加权集成.在测试数据集上对比分析了Learn++.NSE与SBS-CLearning的分类准确率.试验结果表明:SBS-CLearning算法吸收了增量学习与集成学习的优势,相比Learn++.NSE提高了分类准确率.针对SEA人工数据集,SBS-CLearning,Learn++.NSE的平均分类准确率分别为0.982,0.976.针对旋转棋盘真实数据集,在Constant,Sinusoidal,Pulse环境下,SBS-CLearning的平均分类准确率分别为0.624,0.655,0.662,而Learn++.NSE分别为0.593,0.633,0.629.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱玉全	江苏大学计算机科学与通信工程学院	90	959	17.0	26.0
2	宋新平	江苏大学管理学院	37	242	9.0	14.0
3	申彦	江苏大学管理学院	16	71	5.0	8.0