复杂数据流在线集成分类算法综述
Survey of online ensemble classification algorithms for complex data streams
北方民族大学 计算机科学与工程学院, 银川 750021
摘要
复杂数据流中所存在的概念漂移及不平衡问题降低了分类器的性能。传统的批量学习算法需要考虑内存以及运行时间等因素，在快速到达的海量数据流中性能并不突出，并且其中还包含着大量的漂移及类失衡现象，利用在线集成算法处理复杂数据流问题已经成为数据挖掘领域重要的研究课题。从集成策略的角度对bagging、boosting、stacking集成方法的在线版本进行了介绍与总结，并对比了不同模型之间的性能。首次对复杂数据流的在线集成分类算法进行了详细的总结与分析，从主动检测和被动自适应两个方面对概念漂移数据流检测与分类算法进行了介绍，从数据预处理和代价敏感两个方面介绍不平衡数据流，并分析了代表性算法的时空效率，之后对使用相同数据集的算法性能进行了对比。最后，针对复杂数据流在线集成分类研究领域的挑战提出了下一步研究方向。
基金项目
国家自然科学基金资助项目(62062004)
宁夏自然科学基金资助项目(2022AAC03279)
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.06.0291
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第3期
所属栏目: 综述评论
出版页码: 641-651
文章编号: 1001-3695(2024)03-001-0641-11
发布历史
[2023-11-16] 优先出版
[2024-03-05] 印刷出版
引用本文
李春鹏, 韩萌, 孟凡兴, 等. 复杂数据流在线集成分类算法综述 [J]. 计算机应用研究, 2024, 41 (3): 641-651. (Li Chunpeng, Han Meng, Meng Fanxing, et al. Survey of online ensemble classification algorithms for complex data streams [J]. Application Research of Computers, 2024, 41 (3): 641-651. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
