概念漂移數據流集成分類算法綜述
杜詩語; 韓萌; 申明堯; 張春硯; 孫蕊 北方民族大學計算機科學與工程學院; 銀川750021
關鍵詞：動態數據流 集成 分類 概念漂移 增量學習
摘要：針對概念漂移數據流集成分類算法的基本概念、相關工作、適用范圍及優缺點等方面進行具體闡述,重點分析突變型、漸變型、重復型和增量型集成分類算法,以及集成分類中的Bagging、Boosting、基分類器組合學習策略與在線學習、基于塊的集成、增量學習關鍵技術,指出現階段概念漂移數據流集成分類算法所需解決的主要問題,并對集成基分類器的動態更新與加權組合、多類型概念漂移的快速檢測等研究方向進行分析和展望。
計算機工程雜志要求:
{1}文獻按作者姓氏的第一個字母依A－Z順序分中、英文兩部分排列，中文文獻在前，英文文獻在后。引文中的英文書名及期刊名用斜體，論文題目寫入“”號內。
{2}來稿應是未以任何形式公開發表過的論文，亦不接受一稿多投的文章。稿件寄出1個月未接到本刊通知即可自行處理。
{3}本刊已許可中國知網以數字化方式復制、匯編、發行、信息網絡傳播本刊全文。如有異議，請在投稿時說明，本刊將按作者說明處理。
{4}標題之下如“(1)(2)”和“①②”序數不分行顯示。
{5}作者簡介：第一作者姓名（出生年月），性別，畢業院校及學位，職稱，研究方向。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
