基于半监督学习的数据流分类方法

摘要：

在数据流上建立有效的分类模型具有许多应用.流数据的动态性给业界提出了两个关键问题:如何监测数据流的变化;一旦发生显著变化,如何高效地组织足够的训练数据,调整无效的模型.提出了一个基于半监督学习的分类算法,较好地解决了这些问题.设计了一种识别显著变化的可靠方法;提出了一个基于naive Bayes的EM算法,利用较少的类标数据来扩大训练数据集,从而极大地降低类标数据的需求量.基于新的训练数据可以构建一个有效的分类器.实验结果证明了算法的优势。

关键词： 数据流分类 显著变化 类标数据 半监督学习 naive Bayes EM算法

作者: 黄树成 朱宇光 董逸生

作者单位: 东南大学计算机科学与工程学院,南京,210096;常州工学院计算机科学与工程系,常州,213006 常州工学院计算机科学与工程系,常州,213006 东南大学计算机科学与工程学院,南京,210096

会议类型: 国内会议

会议名称: 第二届中国分类技术及应用学术会议

会议地点: 郑州

会议语种:中文

页码: 225-229

在线出版日期: 2007-05-27（万方平台首次上网日期，不代表论文的发表时间）