点击次数：

论文类型：期刊论文

发表时间：2014-07-23

发表刊物：大连理工大学学报

收录刊物：PKU、ISTIC、CSCD

卷号：54

期号：4

页面范围：461-468

ISSN号：1000-8608

关键字：数据流分类;增量式学习;极端支持向量机(ESVM);MapReduce;遗忘因子;鲁棒性

摘要：当前动态数据流下的实时分类问题存在3个难点：针对海量数据的实时处理；概念漂移的跟踪和模型的更新；模型的稳定和鲁棒性。针对上述问题,将极端支持向量机(extreme support vector machine,ESVM)与 MapReduce 框架结合,提出了带遗忘因子的鲁棒 ESVM算法。该方法通过构造残差权重矩阵,对残差进行修正,同时加入遗忘因子,提高新样本的作用,从而实现对海量数据处理问题的求解。实验结果显示,所提出方法能够快速有效地对动态数据流进行分类,且结果不易受到噪声干扰,稳定性强。