典型文献
基于动态加权函数的集成分类算法
文献摘要：
针对数据流集成分类如何使分类器适应不断变化的数据流,调整基分类器的权重选择合适的分类器集合的问题,提出了一种基于动态加权函数的集成分类算法.首先,提出了一种加权函数调节基分类器的权重,使用不断更新的数据块训练分类器;然后,使用一个新的权重函数对候选分类器进行一个合理的选择;最后,在基分类器中应用决策树的增量性质,实现对数据流的分类.通过大量实验发现,基于动态加权函数的集成分类算法的性能不受块的大小影响,与AUE2算法相比,叶子数平均减少了681.3、节点数平均减少了1192.8,树的深度平均减少了4.42,同时相对地提高了准确率,降低了消耗时间.实验结果表明该算法在对数据流进行分类时不但可以保证准确率还可以节省大量的内存空间和时间.
文献关键词：
数据流;集成分类;动态加权;块;增量学习
中图分类号：
作者姓名：
王乐;韩萌;李小娟;张妮;程浩东
作者机构：
北方民族大学计算机科学与工程学院,银川750021
文献出处：
引用格式：
[1]王乐;韩萌;李小娟;张妮;程浩东-.基于动态加权函数的集成分类算法)[J].计算机应用,2022(04):1137-1147
A类：
AUE2
B类：
动态加权,加权函数,集成分类,分类算法,数据流,基分类器,权重选择,不断更新,数据块,权重函数,决策树,小影,叶子,耗时间,流进,内存空间,空间和时,增量学习
AB值：
0.281853
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。
