基于核心向量机的多任务概念漂移数据快速分类

• 作者: 侯立功 史荧中 王士同 邓赵红 钱冬杰
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 多任务 大规模数据集 概念漂移 核心向量机 线性时间复杂度
• 年，卷（期）: 2018,（6）
• 页码范围: 935-945
• 页数: 11页
• 分类号: TP181
• 字数: 7885字
• 语种: 中文
• DOI: 10.11992/tis.201712019

摘要

通过协同求解多个概念漂移问题并充分挖掘相关概念漂移问题中蕴含的有效信息,共享矢量链支持向量机(shared vector chain supported vector machines,SVC-SVM)在面向多任务概念漂移分类时表现出良好性能.然而实际应用中的概念漂移问题通常有较大的数据容量,较高的计算代价限制了SVC-SVM方法的推广能力.针对这个弱点,借鉴核心向量机的近线性时间复杂度的优势,提出了适于多任务概念漂移大规模数据的共享矢量链核心向量机(shared vector chain core vector machines,SVC-CVM).SVC-CVM具有渐近线性时间复杂度的算法特点,同时又继承了SVC-SVM方法协同求解多个概念漂移问题带来的良好性能,实验验证了该方法在多任务概念漂移大规模数据集上的有效性和快速性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	侯立功	无锡职业技术学院物联网学院	16	65	4.0	7.0
3	钱冬杰	无锡职业技术学院物联网学院	6	4	2.0	2.0
4	史荧中	江南大学数字媒体学院	13	38	4.0	5.0