文献

J-GLOBAL ID：201702222718679805   整理番号：17A0755930

概念ドリフトのある不確実なデータストリーム分類【Powered by NICT】

Uncertain Data Stream Classification with Concept Drift

著者 (4件)： Yanxia Lv ,  Cuirong Wang ,  Cong Wang ,  Bingyu Liu
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CBD  ページ： 265-271  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビッグデータ時代では,インターネット上のデータは時間とともに指数関数的に増大している。プライバシー保護,データ損失,ネットワーク誤差などによるデータの不確実性は非常に一般的である。データストリームシステムでは,データは連続的に到達し得られた全てのできない。さらに,概念漂流データストリームにおいてしばしば起こる。概念ドリフトを持つ不確実なデータストリーム分類を扱うためにインクリメンタル分類モデルを構築する必要がある。本論文では,概念ドリフトWBVFDTUCアルゴリズムを用いた不確実なデータストリームのための重み付きBayesベースの極めて高速なディシジョンツリーを示した。アルゴリズムは学習段階と分級段階の両方における不確実な情報を迅速に解析するとことができる。学習段階では,Hoeffding結合理論は,不確実なデータストリームのためのディシジョンツリーモデルを構築に用いた。分類段階では,樹木の葉における重み付きBayes分類器を用いた分類の性能を改善した。スライディングウィンドウと樹木の使用は,このアルゴリズムが概念ドリフト現象を扱うことができる確実にする。実験結果は,提案したアルゴリズムが非常に迅速に不確実なデータストリームを学習しモデルの分類性能を改善できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習 ,  *ドリフト ,  モデル ,  アルゴリズム ,  インターネット ,  *不確実性 ,  高速度 ,  漂流 ,  ディシジョンツリー
準シソーラス用語： スライディングウィンドウ ,  Bayes分類器 ,  分類モデル ,  プライバシー保護 ,  ビッグデータ ,  *データストリーム , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 概念 ,  ドリフト ,  データストリーム ,  分類