面向数据流的多任务多核在线学习算法

• 作者: 刘群 裴乐
• 来源期刊: 计算机应用研究
• 关键词: 多任务多核学习 在线学习 流数据 支持向量机
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 668-672
• 页数: 5页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.09.0921

摘要

对于数据流的处理,现有的在线学习算法在准确性上仍有欠缺,故提出一种新的多任务多核在线学习模型用于提高数据流预测的准确性.在保持多任务多核学习的基础上,将其扩展到在线学习中,从而得到一个新的在线学习算法;同时为输入数据保持一定大小的数据窗口,用较小空间换取数据的完整性.实验部分对核函数的选取以及训练样本集的大小进行了较为详细的分析,通过对UCI数据和实际的机场客流量数据进行分析,很好地保障了流数据处理的准确性及实时性,有一定的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘群	重庆邮电大学计算智能重庆市重点实验室	62	540	11.0	21.0
2	裴乐	重庆邮电大学计算智能重庆市重点实验室	2	0	0.0	0.0