计算机应用研究

作者：李春鹏,韩萌,孟凡兴,何菲菲,张瑞华,

单位：北方民族大学计算机科学与工程学院,银川750021；

关键词：在线学习,集成学习,概念漂移,不平衡,

基金：国家自然科学基金资助项目(62062004)；宁夏自然科学基金资助项目(2022AAC03279)；；

复杂数据流中所存在的概念漂移及不平衡问题降低了分类器的性能。传统的批量学习算法需要考虑内存以及运行时间等因素，在快速到达的海量数据流中性能并不突出，并且其中还包含着大量的漂移及类失衡现象，利用在线集成算法处理复杂数据流问题已经成为数据挖掘领域重要的研究课题。从集成策略的角度对bagging、boosting、stacking集成方法的在线版本进行了介绍与总结，并对比了不同模型之间的性能。首次对复杂数据流的在线集成分类算法进行了详细的总结与分析，从主动检测和被动自适应两个方面对概念漂移数据流检测与分类算法进行了介绍，从数据预处理和代价敏感两个方面介绍不平衡数据流，并分析了代表性算法的时空效率，之后对使用相同数据集的算法性能进行了对比。最后，针对复杂数据流在线集成分类研究领域的挑战提出了下一步研究方向。

来源：2024年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第3期