作者:孙艳歌; 邵罕; 杨艳聪数据流概念漂移代价敏感特征选择
摘要:在数据流分类学习过程中,类不平衡和概念漂移是两大挑战问题.在分析传统特征选择算法和代价敏感学习方法的基础上,将代价敏感学习算法的思想引入特征选择算法中,设计并实现了一种基于代价敏感的ReliefF剪枝的数据流分类算法,不仅能删除冗余的特征,而且适应动态变化的数据流环境.与经典的算法进行分析比较,结果表明所提算法可显著提升分类效果.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
《信阳师范学院学报·自然科学版》是一本有较高学术价值的季刊,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。
省级期刊
人气 237998 评论 36
人气 153978 评论 33
人气 151368 评论 53
人气 122389 评论 54