作者：周胜; 刘三民数据流分类概念漂移集成学习迁移学习
摘要：数据流分类作为数据挖掘领域中的一个重要分支,能够获取数据流中有价值的信息,已成为当下研究热点之一.由于数据流固有特性导致传统的数据流分类方法面临较多难题,如样本标注和概念漂移等.本文分析了增量式和集成式的数据流传统分类方法的优缺点,在此基础上阐述迁移学习在数据流分类中的可行性和当前的研究进展,归纳出基于迁移学习的数据流分类研究的主要关键问题,指出进一步研究方向.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《天津理工大学学报》（CN：12-1374/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《天津理工大学学报》以追求科技创新、展示科技成果，促进学术交流、推动社会科技进步，发现培养新人为宗旨。刊发有关自然科学与工程技术各学科领域、国家自然科学基金、国家863项目、国家973项目，省不及各类基金自主的科研项目、理论研究、应用科技成果、实验研究的高水平科技论文。
部级期刊
人气 1072677 评论 53
省级期刊
人气 845020 评论 70
人气 805315 评论 68
人气 752336 评论 72
