基于多源遷移學習的數(shù)據(jù)流分類研究
周勝; 劉三民 安徽工程大學計算機與信息學院; 安徽蕪湖241000
關鍵詞：數(shù)據(jù)流分類 遷移學習 互近鄰 局部分類精度
摘要：為解決數(shù)據(jù)流分類中概念漂移和噪聲問題,提出一種基于互近鄰的多源遷移學習方法。該方法存儲多源領域上訓練得到的分類器,求出目標領域數(shù)據(jù)塊中每個樣本的互近鄰樣本集合,然后計算源領域分類器對目標領域數(shù)據(jù)塊中每個樣本的互近鄰樣本集合的局部分類精度,最后將局部分類精度最高的源領域分類器和目標領域分類器進行加權集成,從而將多個源領域的知識遷移到目標領域。在仿真數(shù)據(jù)集上的實驗結果表明,該方法能夠有效避免偽近鄰現(xiàn)象,與基于K-近鄰的多源在線遷移學習方法相比,具有更好的分類準確率和抗噪穩(wěn)定性。
四川理工學院學報雜志要求:
{1}來稿一律文責自負。根據(jù)《著作權法》，本刊對決定刊用的文稿可作文字修改、刪節(jié)，凡有涉及原意的修改，則提請作者考慮。
{2}基金項目名稱應按國家有關部門規(guī)定的正式名稱填寫，多項基金應依次列出，其間以分號“；”隔開。
{3}參考文獻：參考文獻必須是正文中直接引用的，且在正文中用上角標標注參考文獻序號，與文末的參考文獻序號（方括號[1]、[2]、……）相對應。
{4}中文摘要：字數(shù)為150-200字。中文關鍵詞：選取3-5個文章核心術語。
{5}提供中英文文章標題。文章標題和文內(nèi)小標題要簡明扼要。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
