基于DELM的不确定数据流分类算法

• 作者: 刘俊杰 张昕 杨乐 韩东红
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 不确定数据流 分类 概念漂移 分布式 极限学习机 概念往复
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 101-105
• 页数: 5页
• 分类号: TP301.6
• 字数: 4018字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.03.022

摘要

针对不确定数据流蕴含的概念存在往复出现的特点,对带有概念漂移的不确定数据流分布式分类算法进行了研究,利用适于大数据处理的分布式极限学习机算法,提出了一种基于分布式极限学习机的概念缓冲加权集成算法.在训练阶段,该算法在不确定数据流块上训练带有权重的基分类器,然后基分类器进行投票,再将结果进行权值分配后加到全局分类结果.在分类器更新和剪枝阶段,该算法设置了缓冲区用来保存旧的分类器已经出现的旧概念,然后提出一种方法更新缓冲区管理的概念.该算法有效避免了当前分类算法仅存储当前概念,新概念发生时模型每次都需要重新学习的缺点,更适用于有概念往复现象的不确定数据流的分类问题.实验结果证明了该算法的有效性和高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩东红	东北大学计算机科学与工程学院	23	95	5.0	8.0
2	张昕	东北大学计算机科学与工程学院	24	223	7.0	14.0
3	杨乐	东北大学计算机科学与工程学院	5	35	2.0	5.0
4	刘俊杰	山西工程技术学院信息工程与自动化系	2	2	1.0	1.0