概念漂移相关论文
含概念漂移复杂类型数据流的出现，使得传统分类器难以应对这一难题，在分类效果中往往不尽人意。针对不同类型数据流中处理概念漂移的......
数据流的集成分类方法可以提高预测精度或者可将复杂、困难的学习问题分解为更简单、容易的子问题，且对概念漂移有良好的适应性和恢......
随着技术发展和应用的推动,数据正以流的形式呈现,如网络安全、电子商务和社交网络等。如何从这些流式数据中挖掘出有价值的信息,......
随着现代社会传感技术的发展以及大规模数据收集和存储能力的提高,来自各行各业的时间序列数据得以被记录,这为时间序列的分析与应......
针对机器学习和数据挖掘工作的静态分类器入侵检测，增量学习能适用于时间变化的动态连续数据流环境，并引入集成学习提升学习效果，但没......
随着我国市场经济的逐渐发展和完善,在竞争激烈的市场环境中,越来越多的上市公司由于经营管理不善而陷入财务困境。这不仅会使企业......
在全球经济下行周期,企业的经营和财务状况面临越来越大的压力,一些企业在恶劣的经济环境下更容易陷入经营危机和财务困境。财务困......
随着大数据和物联网等技术的发展,数据流已经成为一种新的数据形式,如何挖掘数据流中蕴含的信息逐渐成为研究热点。在有限的内存中......
在时间矩阵分解方法的基础上,利用概念漂移检测捕获随时间动态变化的用户兴趣和项目偏好特征,可以有效提高个性化推荐算法的准确性......
数据流分类是数据挖掘中最重要的任务之一,而数据流的概念漂移特性给分类算法带来了巨大的挑战.基于极限学习机算法进行优化是解决......
信息的爆炸性增长导致数据流广泛出现在各个应用领域中,如无线传感器网络数据流、股票交易数据流、电子商务数据流等,如何高效获取......
随着互联网和大数据技术的发展,许多应用领域如新闻检索、淘宝购物和银行交易等产生海量的流式数据。不同于传统数据挖掘任务中采......
随着科技的迅速发展,实际应用领域涌现出大量流数据,这些数据不仅具有海量、快速、含多个标签与特征高维的特点,且其数据分布会随......
知识融合是知识图谱技术的关键环节,而传统机器学习算法较难满足异构大数据环境中知识融合的准确性及实时性需求.提出一种结合概念......
在动态的数据流中,由于其不稳定性以及存在概念漂移等问题,集成分类模型需要有及时适应新环境的能力.目前通常使用监督信息对基分......
网络流特征分布会随着网络环境的变化而动态变化,产生概念漂移问题,造成基于流特征的机器学习网络流分类模型准确率下降。依据固定......
火力发电是我国主要的发电方式,电站设备和系统的健康状态是影响电厂运行经济性和安全性的重要因素,电站设备的性能劣化评估对于指......
在移动互联网不断发展的今天,人们逐渐喜爱在Twitter、微博等在线社交应用上对所在地区、全国各地乃至世界上任何一个角落发生的事......
极限学习机因具有高效处理、性能优越以及更少人工参数设定等优点,已成功应用于批处理多标签分类问题.然而,实际应用领域涌现的数......
针对工业过程数据固有概念漂移特性导致软测量模型性能恶化、需识别漂移样本以有效更新模型等问题,提出一种面向工业过程难测参数......
流数据作为一种新型数据,在各个领域均有应用,其快速、大量及持续不断的特点使得单遍精准扫描成为在线学习算法的必备特质.在流数......
现代图形学应用的飞速发展对超大规模复杂场景绘制、高分辨率显示呈现、高真实感用户体验以及实时绘制效率提出了愈加严峻的挑战。......
在如今的大数据时代,海量数据通过各种硬件及软件源源不断生成,并具有高速、无限的特征,这些数据以流的形式生成并到来,同时这些数......
由于网络流特征会随时间和网络环境的变化而发生概念漂移,不同类别应用的流发生漂移情况不同,导致基于机器学习的流量分类方法精度......
研究目标:构建动态不平衡财务预警模型以同时处理概念漂移和数据分布不平衡问题.研究方法:在改进AdaBoost算法的基础上,以代价敏感......
针对网络流量特性随时间推移发生改变而引起训练样本变化(即概念漂移),从而导致基于机器学习的流量分类方法精度明显降低问题,本文......
数据流挖掘已在许多领域得到应用,概念漂移检测是数据流挖掘研究中的一个重点．目前关于数据流中的概念检测的研究虽然取得了很多成......
数据的概念漂移特性是广泛存在的.提出一种挖掘概念漂移数据的自适应集成学习算法(adaptive multiple classifiers ensemble,AMCE)......
交通领域下的时间序列数据(time series data)是指某一时间段下顺序采集到的数据，它通常用于客观地描述和记录车辆行驶过程中的某一......
针对Android恶意软件检测存在特征引入过程主观性高、特征选择过程可解释性差、训练模型检测效果不具备时间稳定性的问题,提出了一......
为了解决复杂工业过程中的概念漂移问题,提高集成学习模型的泛化性能,在保证集成学习模型精度的基础上,提出了一种用于优化多样性......
信息科学的快速发展显著提升了社会生产和生活的智能化水平，其核心是对实时数据的全面采集、安全存储和高效计算。由于数据采集过程......
数据流中的概念漂移会导致已有的分类模型性能显著下降。目前处理概念漂移的数据流分类算法大都只针对单一类型的概念漂移(如突变......
期刊
如何能有效地保持原本学习过的知识,又能不断获取新知识?这是增量学习面临的难题.将集成学习算法移植应用于增量学习,建立了模块化......
通过协同求解多个概念漂移问题并充分挖掘相关概念漂移问题中蕴含的有效信息,共享矢量链支持向量机(Shared Vector Chain Supporte......
作为一种数据采集型网络,无线传感器网络有效地提高了人们获取客观物理信息的能力,已成为智慧生活的重要一环.然而,无线传感器网络......
针对大数据环境下分类精度不高的问题,提出了一种面向分布式数据流的集成分类模型。首先,使用微簇模式减少局部节点向中心节点传输......
在各种神经网络中,单隐层前向网络(SLFNs)由于其简单的结构和逼近能力而在理论和应用领域都被广泛地研究。但是,传统的单隐层前向......
问答社区已成为一个受大众欢迎的网聚众人智慧的网络交流方式，现有的网络问答社区有百度知道、Yahoo! Answer、爱问知识人、搜搜问......
分布式数据流挖掘日渐成为数据挖掘领域的一个新的研究热点。分布式数据流不仅具有数据量大，速度不断变化，潜在无穷多等典型的数据流......
分类技术是数据挖掘的重要组成部分,有着广泛的应用领域,并且已经有大量成熟的研究成果问世。然而数据流作为一种新型的数据模型,......
互联网承载了大量的信息资源和网络业务，网络规模不断扩大，网络组成也日益复杂，越来越有必要对网络行为进行深入的研究和分析。互联网......
