典型文献
基于双层采样的主动式数据流挖掘方法
文献摘要：
为解决传统数据流分类算法难以解决动态数据流环境中概念变化和样本标注等难题,根据主动学习原理,提出基于双层采样的主动式数据流挖掘方法.该方法的采样策略分别基于学习模型的改变期望和误差缩减两个方面设计实现,选择出具有代表性和信息量丰富的未标注样本,经专家标注后增量更新学习模型;采用聚类方法实现局部感知的概念漂移检测,以增强采样策略的有效性.试验结果表明:主动式数据流挖掘方法在降低样本标注代价的同时,可提高模型的分类能力和概念漂移的适应性,相比其他数据流挖掘方法具有一定优势.
文献关键词：
数据流挖掘;主动学习;聚类分析;概念漂移;样本标注
中图分类号：
作者姓名：
张匡燕;刘三民;李京阳
作者机构：
安徽工程大学计算机与信息学院,安徽 芜湖 241000
文献出处：
引用格式：
[1]张匡燕;刘三民;李京阳-.基于双层采样的主动式数据流挖掘方法)[J].天津理工大学学报,2022(06):52-57
A类：
B类：
主动式,数据流挖掘,挖掘方法,数据流分类,分类算法,难以解决,动态数据流,概念变化,样本标注,主动学习,学习原理,采样策略,设计实现,信息量,增量更新,新学,聚类方法,现局,局部感知,概念漂移检测,增强采样,标注代价
AB值：
0.327333
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
