基于超网络和投影降维的高维数据流在线分类算法

• 作者: 茹蓓
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 超网络 超图 高维数据流 数据流分类 贝叶斯分类器 数据降维
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 算法
• 页码范围: 278-285
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.10.044

摘要

为了提高高维数据流在线分类的准确率,设计一种基于超网络和投影降维的高维数据流在线分类算法.将高维数据流的特征子集建模为超网络模型,算法的学习目标是搜索最优的超边集合,选出判别能力强的特征子集.利用高斯核将高维空间的数据点投影到低维空间,采用梯度下降法计算数据点间的相似性矩阵.基于贝叶斯分类器模型更新机制,动态地学习新到达的数据流,基于学习的结果更新超网络的超边,再利用超网络指导分类器进行分类.仿真结果表明,该算法实现了较高的分类准确率,并且对于噪声也具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	茹蓓		15	46	5.0	6.0