计算机工程

作者：周胜, 刘三民

单位：安徽工程大学 计算机与信息学院, 安徽 芜湖 241000

关键词：数据流分类,多源迁移学习,类别后验概率,样本确定性,集成学习

基金：安徽省自然科学基金（1608085MF147）。

为解决数据流分类中的概念漂移和噪声问题，提出一种基于样本确定性的多源迁移学习方法。该方法存储多源领域上由训练得到的分类器，求出各源领域分类器对目标领域数据块中每个样本的类别后验概率和样本确定性值。在此基础上，将样本确定性值满足当前阈值限制的源领域分类器与目标领域分类器进行在线集成，从而将多个源领域的知识迁移到目标领域。实验结果表明，该方法能够有效消除噪声数据流给不确定分类器带来的不利影响，与基于准确率选择集成的多源迁移学习方法相比，具有更高的分类准确率和抗噪稳定性。

来源：2020年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第5期