[发明专利]一种基于AWE-OTLMS-RC-OTL的数据流分类算法在审
| 申请号： | 201910925989.X | 申请日： | 2019-09-27 |
| 公开（公告）号： | CN110659695A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 赵兴昊;王松;胡燕祝 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于AWE‑OTLMS‑RC‑OTL的数据流分类算法，是一种对数据流进行分类的方法，属于数据分析与机器学习领域，其特征在于采用如下步骤：(1)计算每个基分类器分类误差；(2)计算无效数据检测及剔除函数；(3)构建基分类器；(4)加权整合输出分类概率；(5)判定概念漂移样本错误率；(6)构建新的加权分类器。本发明有效的抑制了“负迁移”导致的分类准确率下降现象，降低了在检测到概念漂移之前发生概念漂移导致分类准确率下降的程度，加快了适应重现概念速度。这说明本发明达到较好分类效果，为数据流分类提供了一种准确率较高的新方法。 | ||
| 搜索关键词： | 漂移 分类准确率 数据流分类 基分类器 构建 加权 机器学习领域 分类概率 分类误差 分类效果 数据分析 无效数据 下降现象 数据流 错误率 分类器 检测 准确率 整合 算法 剔除 样本 判定 重现 迁移 输出 分类 | ||
【主权项】：
1.本发明一种基于AWE-OTLMS-RC-OTL的数据流分类算法，其特征在于：(1)计算每个基分类器分类误差；(2)计算无效数据检测及剔除函数；(3)构建基分类器；(4)加权整合输出分类概率；(5)判定概念漂移样本错误率；(6)构建新的加权分类器；具体包括以下六个步骤：/n步骤一：计算每个基分类器分类误差E
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学，未经北京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910925989.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于机器学习的柑橘果蒂的检测方法
- 下一篇：用于检测行车安全的方法及装置
