论文部分内容阅读
随着大数据、物联网技术应用不断深入,数据流产生场景逐渐增多,对数据流分类挖掘成为研究热点.数据流具备时序特性,存在概念漂移现象,导致传统数据流分类模型无法直接迁移到新环境.文中首先分析集成学习、增量学习在具有概念漂移的数据流分类中的应用研究,同时讨论了如何利用主动学习、半监督学习和迁移学习解决数据流分类中样本标注难题.最后对具有概念漂移的数据流分类存在问题及发展趋势进行分析,提出进一步研究方向.