多標簽數(shù)據(jù)流分類中的類別增量學習與概念漂移檢測的研究.pdf

1、隨著大數(shù)據(jù)時代的來臨，數(shù)據(jù)以數(shù)據(jù)流的形式快速產(chǎn)生，多標簽數(shù)據(jù)流應用亦更加普遍。例如：電子郵件分類、新聞推送、醫(yī)學診斷、圖像識別等。由于多標簽數(shù)據(jù)流具有速度快、數(shù)據(jù)量大、概念漂移、樣本屬于多個標簽與標簽依賴等特征，要求學習模型能夠同時處理數(shù)據(jù)流與多標簽數(shù)據(jù)的特性，給數(shù)據(jù)流的概念漂移檢測和分類問題的研究提出了新的挑戰(zhàn)。
　　在多標簽數(shù)據(jù)流中，樣本屬于多個類別標簽，使用問題轉(zhuǎn)換法可將一個多標簽數(shù)據(jù)流轉(zhuǎn)化成一個或多個單標簽數(shù)據(jù)流。但是，這

2、種轉(zhuǎn)換方法不適用于多標簽數(shù)據(jù)流環(huán)境。因為在概念會隨時間而變化的數(shù)據(jù)流環(huán)境下，樣本屬于的標簽組合不斷變化；樣本所屬標簽之間的依賴關系也會發(fā)生變化。
　　針對以上問題，本文開展了以下三個方面的工作：
　?。?）通過分析多標簽概念漂移數(shù)據(jù)流分類算法 EaHTps中存在頻繁標簽組合未被保存，影響了最終分類準確率的情況，提出了一種基于類別增量學習的算法EaHTcl。該算法動態(tài)地識別新的頻繁標簽組合，以類別增量學習方式更新訓練的多標簽分

3、類器。實驗結(jié)果表明：該算法有效地提高了分類準確率；
　?。?）通過分析多標簽數(shù)據(jù)流中樣本與標簽之間的關聯(lián)性，提出一種基于概率相關性的多標簽數(shù)據(jù)流概念漂移檢測算法。其基本思想是從概念漂移產(chǎn)生的原因出發(fā)，利用樣本與標簽之間的概率相關性近似描述數(shù)據(jù)分布，監(jiān)測新舊數(shù)據(jù)分布變化，判斷概念漂移是否發(fā)生。實驗結(jié)果表明：提出的算法能夠比較快速、準確地檢測到概念漂移；
　　（3）通過分析多標簽數(shù)據(jù)流中普遍存在的標簽依賴，包括標簽之間和特征與標