翟婷婷;高,杨;朱俊武 流数据分类在线学习算法综述。 (中文。英文摘要) Zbl 1463.68070号 J.软件。 31,4号,912-931(2020). 小结:流数据分类的目标是从不断到达的流数据中增量学习一个决策函数,该函数将输入变量映射到标签变量,以便准确分类随时可能到达的测试数据。在线学习范式作为一种增量机器学习技术,是流数据分类的有效工具。本文主要从在线学习的角度总结了流数据分类算法的最新发展。具体来说,首先介绍了在线学习的基本框架和绩效评估方法。然后,分别回顾了用于一般流数据的在线学习算法、用于缓解高维流数据中的“维度诅咒”问题和用于解决进化流数据中的“概念漂移”问题的在线学习算法的最新发展。最后,还讨论了高维流数据分类和进化流数据分类的未来挑战和有前景的研究方向。 MSC公司: 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 68周27 在线算法;流式算法 关键词:在线学习;流数据分类;维数灾难;概念漂移;稀疏在线学习;进化数据流分类 PDF格式BibTeX公司 XML格式引用 \textit{T.Zhai}等人,J.Softw。31,编号41912-931(2020;兹bl 1463.68070) 全文: 内政部