面向流数据分类的在线学习综述

• 作者: 朱俊武 翟婷婷 高阳
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 在线学习 流数据分类 维度诅咒 概念漂移 稀疏在线学习 演化流分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 非经典条件下的机器学习方法专题
• 页码范围: 912-931
• 页数: 20页
• 分类号: TP181
• 字数: 19118字
• 语种: 中文

摘要

流数据分类旨在从连续不断到达的流式数据中增量学习一个从输入变量到类标变量的映射函数,以便对随时到达的测试数据进行准确分类.在线学习范式作为一种增量式的机器学习技术,是流数据分类的有效工具.主要从在线学习的角度对流数据分类算法的研究现状进行综述.具体地,首先介绍在线学习的基本框架和性能评估方法,然后着重介绍在线学习算法在一般流数据上的工作现状,在高维流数据上解决“维度诅咒”问题的工作现状,以及在演化流数据上处理“概念漂移”问题的工作现状,最后讨论高维和演化流数据分类未来仍然存在的挑战和亟待研究的方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱俊武	扬州大学信息工程学院	42	143	6.0	10.0