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、近年來,物聯(lián)網(wǎng)、互聯(lián)網(wǎng)金融、云計算、移動通信等應用產(chǎn)生了大量的新數(shù)據(jù),這些數(shù)據(jù)具有快速到達和不斷變化的特點。因此,有效的利用這些數(shù)據(jù),并對其進行高效的分析,從而獲得有用的信息和知識,這對指導后續(xù)的決策是至關(guān)重要的。增量學習能夠很好的滿足這個需求,所謂增量學習是在學習新知識的同時盡量保留已學的知識,以達到不斷積累知識的目的。增量學習分為單分類器增量學習和集成式增量學習,其中集成式增量學習是將集成學習的思想引入到增量學習中,進而提高系統(tǒng)的泛
2、化能力。但這樣會出現(xiàn)一些問題:首先,隨著系統(tǒng)的不斷運行,集成分類器規(guī)模增大,導致系統(tǒng)預測性能的下降和開銷的增加,因此,從眾多基分類器中選出有用的分類器是很有必要的;其次,許多集成式增量學習算法采用正確率來衡量基分類器的性能,但在實際應用中,正確率暴露出許多的限制和不足,因此,尋找更好的方法來替代正確率具有十分重要的意義。
針對上述兩方面的問題,本文提出基于AUC(Area Under ROC Curve)方法的集成式增量學習算
3、法Learn++AUC,用于解決正確率不能完全準確衡量基分類器性能的問題;提出基于選擇性集成的Learn++AUC-OO算法,解決集成式增量學習會導致集成分類器規(guī)模增大、系統(tǒng)開銷增加的問題。本文主要工作和研究如下:
第一,介紹了增量學習相關(guān)技術(shù)。首先闡述了增量學習、集成學習、選擇性集成以及ROC技術(shù)和AUC方法的基本概念。然后列舉了國內(nèi)外發(fā)展的現(xiàn)狀,特別是對增量學習中Learn++算法的研究現(xiàn)狀作了詳細的論述。最后,回顧了集成
4、式增量學習和選擇性集成的經(jīng)典算法。
第二,針對采用正確率衡量分類器預測性能的限制和不足,在Learn++算法的基礎(chǔ)上提出基于AUC方法的Learn++AUC算法。Learn++AUC采用基分類器的AUC值作為其性能指標,使集成分類器的分類正確率得到提高。通過比較Learn++和Learn++AUC在UCI數(shù)據(jù)集上的分類正確率,驗證了Learn++AUC的有效性。
第三,針對集成式增量學習中集成分類器數(shù)量增加,導致預測
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于Q統(tǒng)計量的選擇性集成學習研究.pdf
- 基于極限學習機的選擇性集成學習算法研究.pdf
- 選擇性集成學習研究與應用.pdf
- 基于特征優(yōu)化的選擇性集成學習算法.pdf
- 基于選擇性集成學習的離群點檢測研究.pdf
- 基于選擇性集成學習的支持向量機分類研究.pdf
- 基于選擇性集成學習的網(wǎng)絡入侵檢測方法研究.pdf
- 選擇性集成學習及其應用研究.pdf
- 基于間隔和置信度的選擇性集成學習算法研究.pdf
- 基于選擇性集成學習的煤與瓦斯突出預測研究.pdf
- 基于選擇性集成學習的膜蛋白識別方法研究.pdf
- 基于成對差異性度量的選擇性集成學習方法研究.pdf
- 基于選擇性集成的機場噪聲預測模型研究.pdf
- 基于協(xié)方差的選擇性聚類集成研究.pdf
- 面向概念漂移問題的選擇性適應集成學習方法研究.pdf
- 基于選擇性集成的入侵檢測系統(tǒng)的研究與實現(xiàn).pdf
- 基于支持向量機的選擇性集成算法研究.pdf
- 基于模糊聚類的選擇性支持向量機集成.pdf
- 基于時空序列選擇性集成的瓦斯?jié)舛阮A測方法研究.pdf
- 基于選擇性集成的半監(jiān)督中文文本分類研究.pdf
評論
0/150
提交評論