資源描述：
《基于信息熵差異性度量的數(shù)據(jù)流增量集成分類算法-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、研究與開發(fā)基于信息熵差異性度量的數(shù)據(jù)流增量集成分類算法琚春華，鄒江波(1．浙江工商大學信息學院杭州310018；2．浙江工商大學現(xiàn)代商貿(mào)研究中心杭州310000)摘要：對分類器之間的差異性進行了研究，提出了一種基于信息熵差異性度量的增量集成分類算法，將信息熵差異性度量方法融人到基分類器選擇過程中，通過對訓練數(shù)據(jù)集的基分類結(jié)果的信息熵差異度計算，采用循環(huán)迭代優(yōu)化的選擇方法，以熵差異性最優(yōu)化為約束目標，動態(tài)調(diào)整基分類器個數(shù)，實現(xiàn)了分類準確穩(wěn)定，減少了系統(tǒng)開銷。通過實驗比對，證明了算法在數(shù)據(jù)流處理時比其他算法具
2、有更小的開銷和較強的適應(yīng)性。關(guān)鍵詞：集成分類器；差異性度量；信息熵；增量集成；數(shù)據(jù)流doi：10．11959／j．issn．1000—0801．2015014AnIncrementalClassificationAlgorithmforDataStreamBasedonInformationEntropyDiversityMeasureJuChunhua，_．ZouJiangbo，f1．SchoolofComputerScience&InformationEngineering，Hangzhou31001
3、8，China；2．CenterforStudiesofModemBusiness，ZhejiangGongshangUniversity，Hangzhou310018，China)Abstract：Thediversitybetweenclassifierswasstudiedandanincrementalclassificationalgorithmfordatastreambasedoninformationentropydiversitymeasurewasproposed，themethodo
4、finformationentropydiversitymeasurewasintegratedintotheselectionprocessofbaseclassifiers，theinformationentropydiversityofbaseclassifierwhichtrainedfromtrainingdatawascalculated，bymeansofcycliciterativeasoptimizationmethodandentropydiversityasoptimizationc
5、onstrainedgoal，thenumbersofbaseclassifierswasdynamicadjustedthatimprovedtheclassificationaccuracyandstabilitytoreducesystemcosts．Theexperimentsprovethatthealgorithmhaslesscostandstrongadaptabilitycomparewithotherdatastreamalgorithmwhenprocessingdatastream
6、．Keywords：ensembleclassifier，diversitymeasure，entropyofinformation，incrementalensemble，datastream等靜態(tài)數(shù)據(jù)集與動態(tài)數(shù)據(jù)流挖掘分析領(lǐng)域，尤其是運用集1引言成學習思想對數(shù)據(jù)流動態(tài)分類的研究已成為目前熱點之一。自Hansen和Salamon于1990年首次提出神經(jīng)網(wǎng)絡(luò)集參考文獻【l】提出了將Boosting算法應(yīng)用于數(shù)據(jù)流分成的概念以來．集成學習方法被國內(nèi)外許多學者應(yīng)用于文類過程中，通過對數(shù)據(jù)樣本動態(tài)分配權(quán)重，實現(xiàn)
7、了具有自本分類、語音識別、地震波分析、通信網(wǎng)絡(luò)、網(wǎng)上交易日志適應(yīng)數(shù)據(jù)流動態(tài)變化和噪聲數(shù)據(jù)流的集成分類挖掘方法。收稿日期：2014—09—13；修回日期：2014一l1一o4基金項目：國家科技支撐計劃基金資助項目(No．2012BAI34B01．5)，浙江省自然科學基金資助項目(No．LY14F020002)，教育部人文社會科學重點研究基地基金資助項目(No．14JJD630011)FoundationItems：TheNationalKeyTechnologyR&DProgram(No．2012BAI34
8、B01—5)，TheNaturalScienceFoundationofZhejiangProvinceofChina(No．LY14F020002)，TheKeyMinistryofEducation，HumanitiesandSocialSciencesProject(No．14JJD630011)_考鏘參考文獻f21提出了通過動態(tài)修改多分類器中決策權(quán)值參是針對數(shù)據(jù)流挖掘，本文基于分類器中信息熵差異性度數(shù)，增強對數(shù)據(jù)流突變
