Classifying Uncertain and Evolving Data Streams with Distributed Extreme Learning Machine

韩东红; 张昕; 王国仁

首页> 中文期刊> 《计算机科学技术学报：英文版》 >Classifying Uncertain and Evolving Data Streams with Distributed Extreme Learning Machine

Classifying Uncertain and Evolving Data Streams with Distributed Extreme Learning Machine

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相关主题

摘要

常规分类算法很好不适合流的数据的固有的无常，潜在的概念飘移，体积，和速度。专业化算法被需要为不明确的数据流获得有效、精确的分类器。在这份报纸，我们首先介绍分布式的极端学习机器(DELM ) ，为在大数据集上的大矩阵操作的榆树的优化。我们然后介绍基于分布式的榆树(WE-DELM ) 的加权的整体分类器，一联机并且为高效地与概念飘移分类不明确的流的数据的一个通行证算法。一个概率世界模型被造把不明确的流的数据转变成某些流的数据。基础分类器用 DELM 被学习。基础分类器的重量根据分类结果动态地被更新。WE-DELM 两个都在在执行分类学习模型和精确性改进效率。试验性的结果证明 WE-DELM 在不同评估标准上完成更好的性能，包括效率，精确性，和加速。

著录项

来源
《计算机科学技术学报：英文版》 |2015年第4期|874-887|共14页
作者
韩东红; 张昕; 王国仁;
展开▼
作者单位

College of Information Science and Engineering;

Northeastern University;

Shenyang 110819;

China;

Key Laboratory of Medical Image Computing ( NEU);

Ministry of Education;

Shenyang 110819;

China;

展开▼
原文格式 PDF
正文语种 chi
中图分类计算机网络;
关键词
流分类; 分布式; 学习机; 分类算法; 概率模型; 不确定性; 矩阵运算; 大数据集;

Classifying Uncertain and Evolving Data Streams with Distributed Extreme Learning Machine

摘要

著录项

相关主题

期刊订阅