文献

J-GLOBAL ID：202202283999740472   整理番号：22A0991845

時系列窓に基づく概念ドリフトクラス検出【JST・京大機械翻訳】

Concept Drift Class Detection Based on Time Window

著者 (3件)： Guo Husheng (山西大学計算机与信息技術学院 太原030006;計算智能与中文信息処理教育部重点実験室(山西大学) 太原030006) ,  Ren Qiaoyan (山西大学計算机与信息技術学院 太原030006) ,  Wang Wenjian (山西大学計算机与信息技術学院 太原030006;計算智能与中文信息処理教育部重点実験室(山西大学) 太原030006)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 59  号： 1  ページ： 127-143  発行年： 2022年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ストリームデータは新しいデータとして、各分野に応用され、その快速、大量及び持続的な特徴により、シングルパス精密スキャンがオンライン学習アルゴリズムの必須特性となっている。流れデータの発生過程において,概念ドリフトはしばしば発生し,現在の概念ドリフトノード検出に関する研究は比較的成熟しているが,実際の問題では,学習環境要因が様々な方向へ発展するのは,流れデータにおける概念ドリフトのクラスの多様性をもたらす。これはストリームデータマイニングとオンライン学習に新しい挑戦をもたらした。この問題に対して、時系列窓に基づく概念ドリフト類別検出(conceptdriftclassdetectionbasedontimewindow,CD-TW)法を提案した。この方法はスタックと待ち行列の対流データによりアクセスし、窓口機構対流データによりブロック学習を行う。まず最初に,2つの負荷履歴データと現在のデータの基礎ノード時系列ウィンドウを作成して,それらのデータ分布の変化を比較することによって,概念ドリフトノードを検出した。次に,ドリフトノードをロードした後の部分データのスパンシーケンスウインドウを作成し,このウインドウにおけるデータ分布の安定性を分析することによってドリフトスパンを検出して,概念ドリフトのクラスを判断した。実験結果は,提案方法が正確に概念ドリフトノードを位置決めできるだけでなく,ドリフト分類の判断においても良好な性能を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  対流 ,  学習 ,  データ ,  分類 ,  スパン ,  *ドリフト ,  機構 ,  学習アルゴリズム ,  データマイニング
準シソーラス用語： オンライン学習 ,  学習環境 ,  オンライン ,  ストリームデータ ,  履歴データ , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 時系列 ,  窓 ,  概念 ,  ドリフト ,  クラス