计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2012年
11期
4225-4229
,共5页
增量式学习%支持向量机%网络异常检测%概念漂移%多分类器模型
增量式學習%支持嚮量機%網絡異常檢測%概唸漂移%多分類器模型
증량식학습%지지향량궤%망락이상검측%개념표이%다분류기모형
传统数据挖掘方法,主要针对静态数据进行挖掘,而对数据流挖掘往往失效.为了解决数据流的数据挖掘问题,提出一种通过改变传统支持向量机增量式学习方法,利用轮转式结构将多分类器按照数据流时间顺序进行组合,并且通过对分类器的优化,可以提高模型对数据流分类的准确率并减少训练时间消耗.实验结果表明,该模型在保证学习精度和推广能力的同时,提高了训练速度,适合于数据流在线分类和在线学的问题.
傳統數據挖掘方法,主要針對靜態數據進行挖掘,而對數據流挖掘往往失效.為瞭解決數據流的數據挖掘問題,提齣一種通過改變傳統支持嚮量機增量式學習方法,利用輪轉式結構將多分類器按照數據流時間順序進行組閤,併且通過對分類器的優化,可以提高模型對數據流分類的準確率併減少訓練時間消耗.實驗結果錶明,該模型在保證學習精度和推廣能力的同時,提高瞭訓練速度,適閤于數據流在線分類和在線學的問題.
전통수거알굴방법,주요침대정태수거진행알굴,이대수거류알굴왕왕실효.위료해결수거류적수거알굴문제,제출일충통과개변전통지지향량궤증량식학습방법,이용륜전식결구장다분류기안조수거류시간순서진행조합,병차통과대분류기적우화,가이제고모형대수거류분류적준학솔병감소훈련시간소모.실험결과표명,해모형재보증학습정도화추엄능력적동시,제고료훈련속도,괄합우수거류재선분류화재선학적문제.
