多標(biāo)簽數(shù)據(jù)流分類中的類別增量學(xué)習(xí)與概念漂移檢測(cè)的研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的來臨，數(shù)據(jù)以數(shù)據(jù)流的形式快速產(chǎn)生，多標(biāo)簽數(shù)據(jù)流應(yīng)用亦更加普遍。例如：電子郵件分類、新聞推送、醫(yī)學(xué)診斷、圖像識(shí)別等。由于多標(biāo)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(gè)標(biāo)簽與標(biāo)簽依賴等特征，要求學(xué)習(xí)模型能夠同時(shí)處理數(shù)據(jù)流與多標(biāo)簽數(shù)據(jù)的特性，給數(shù)據(jù)流的概念漂移檢測(cè)和分類問題的研究提出了新的挑戰(zhàn)。
　　在多標(biāo)簽數(shù)據(jù)流中，樣本屬于多個(gè)類別標(biāo)簽，使用問題轉(zhuǎn)換法可將一個(gè)多標(biāo)簽數(shù)據(jù)流轉(zhuǎn)化成一個(gè)或多個(gè)單標(biāo)簽數(shù)據(jù)流。但是，這

2、種轉(zhuǎn)換方法不適用于多標(biāo)簽數(shù)據(jù)流環(huán)境。因?yàn)樵诟拍顣?huì)隨時(shí)間而變化的數(shù)據(jù)流環(huán)境下，樣本屬于的標(biāo)簽組合不斷變化；樣本所屬標(biāo)簽之間的依賴關(guān)系也會(huì)發(fā)生變化。
　　針對(duì)以上問題，本文開展了以下三個(gè)方面的工作：
　?。?）通過分析多標(biāo)簽概念漂移數(shù)據(jù)流分類算法 EaHTps中存在頻繁標(biāo)簽組合未被保存，影響了最終分類準(zhǔn)確率的情況，提出了一種基于類別增量學(xué)習(xí)的算法EaHTcl。該算法動(dòng)態(tài)地識(shí)別新的頻繁標(biāo)簽組合，以類別增量學(xué)習(xí)方式更新訓(xùn)練的多標(biāo)簽分

3、類器。實(shí)驗(yàn)結(jié)果表明：該算法有效地提高了分類準(zhǔn)確率；
　　（2）通過分析多標(biāo)簽數(shù)據(jù)流中樣本與標(biāo)簽之間的關(guān)聯(lián)性，提出一種基于概率相關(guān)性的多標(biāo)簽數(shù)據(jù)流概念漂移檢測(cè)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(biāo)簽之間的概率相關(guān)性近似描述數(shù)據(jù)分布，監(jiān)測(cè)新舊數(shù)據(jù)分布變化，判斷概念漂移是否發(fā)生。實(shí)驗(yàn)結(jié)果表明：提出的算法能夠比較快速、準(zhǔn)確地檢測(cè)到概念漂移；
　　（3）通過分析多標(biāo)簽數(shù)據(jù)流中普遍存在的標(biāo)簽依賴，包括標(biāo)簽之間和特征與標(biāo)