面向概念漂移問題的選擇性適應(yīng)集成學(xué)習(xí)方法研究.pdf_第1頁
已閱讀1頁，還剩66頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、在當(dāng)前的大數(shù)據(jù)時代，增量學(xué)習(xí)作為一種能增量處理數(shù)據(jù)的方法變得愈發(fā)重要，而概念漂移問題則是增量學(xué)習(xí)中亟待解決的一個關(guān)鍵問題。目前為止，盡管有很多算法已經(jīng)被提出用來解決這個問題，但是仍舊難以做到快速有效的響應(yīng)漂移的發(fā)生。在本文中，我們的主要研究就是如何有效解決增量學(xué)習(xí)中的概念漂移問題。
　　我們首先提出了一種新的叫做STIL(SelectiveTransferIncrementalLearning)的方法來解決概念漂移這個難題。STI

2、L在經(jīng)典的基于數(shù)據(jù)塊集成算法基礎(chǔ)上使用了一種選擇性遷移的策略。以這種方式，STIL在通過遷移學(xué)習(xí)很好的適應(yīng)新概念的同時，制定了適當(dāng)?shù)倪x擇策略有效防止了遷移學(xué)習(xí)過程中可能發(fā)生的負遷移和過擬合問題。我們將這個算法在15個合成數(shù)據(jù)集和3個真實數(shù)據(jù)集上進行了評估，實驗結(jié)果顯示STIL在幾乎所有數(shù)據(jù)集上都好于其它5個先進的相關(guān)算法。
　　其次，我們研究了子模型適應(yīng)性對集成模型應(yīng)對概念漂移的影響。并通過實驗分析發(fā)現(xiàn):包含一批具有過強適應(yīng)性的子

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論