基于拉普拉斯回归主动学习的大数据流分类算法

• 作者: 杜恒 杨俊成
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 大数据 实时数据流 拉普拉斯正则最小二乘 分类算法 半监督学习 主动学习
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法
• 页码范围: 273-281
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.12.044

摘要

实时数据流中标记样本所占比例较小,并且存在大量的噪声数据和冗余数据,导致数据流的实时分类准确率较低.针对这种情况,提出基于拉普拉斯回归主动学习的大数据流分类算法.为分类器设计相对支持度差异函数作为分类的决策方法,通过阈值判断当前数据流的标记样本量.设计基于约束规则的半监督主动学习算法,从无标记样本集选择信息量最丰富的样本.采用拉普拉斯正则最小二乘回归模型作为半监督学习的回归模型,迭代地扩展数据流的标记样本量.仿真结果表明,该算法有效地提高了数据流的分类准确率,并且满足实时性的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜恒	河南工业职业技术学院电子信息工程学院	22	40	4.0	5.0
2	杨俊成	河南工业职业技术学院电子信息工程学院	23	97	4.0	9.0