• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Technology - New Generations >Ensemble Noise Filtering for Streaming Data Using Poisson Bootstrap Model Filtering
【24h】

Ensemble Noise Filtering for Streaming Data Using Poisson Bootstrap Model Filtering

机译：使用Poisson Bootstrap模型滤波的集合噪声滤波

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Ensemble filtering techniques filter noisy instances by combining the predictions of multiple base models, each of which is learned using a traditional algorithm. However, in the last decade, due to the massive increase in the amount of online streaming data, ensemble filtering methods, which largely operate in batch mode and requires multiple passes over the data, cause time and storage complexities. In this paper, we present an ensemble bootstrap model filtering technique with multiple inductive learning algorithms on several small Poisson bootstrapped samples of online data to filter noisy instances. We analyze three prior filtering techniques using Bayesian computational analysis to understand the underlying distribution of the model space. We implement our and other prior filtering approaches and show that our approach is more accurate than other prior filtering methods.
机译：通过组合多基础模型的预测，通过传统算法学习的每个基础模型的预测来滤波滤波技术过滤噪声情况。然而，在过去十年中，由于在线流数据的量大幅增加，集合过滤方法，该方法在很大程度上以批处理模式运行并且需要多次通过数据，导致时间和存储复杂性。在本文中，我们介绍了一个在几个小泊松盗版样本的多个感应学习算法的集合引导模型过滤技术，以滤除嘈杂的实例。我们使用贝叶斯计算分析分析三种先前过滤技术，了解模型空间的基础分布。我们实施我们和其他先前的过滤方法，并表明我们的方法比其他先前过滤方法更准确。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号