在监督或半监督学习的条件下对数据流集成分类进行研究是一个很有意义的方向。从基分类器、关键技术、集成策略等三个方面进行介绍,其中,基分类器主要介绍了决策树、神经网络、支持向量机等;关键技术从增量、在线等方面介绍;集成策略主要介绍了boosting、stacking等。对不同集成方法的优缺点、对比算法和实验数据集进行了总结与分析。最后给出了进一步研究方向,包括监督和半监督学习下对于概念漂移的处理、对于同质集成和异质集成的研究,无监督学习下的数据流集成分类等。
科研之友
微信
新浪微博
Facebook
分享链接
