Robust Prototype-Based Learning on Data Streams

In this paper, we propose a prototype-based classification model for evolving data streams, called SyncStream, which allows dynamically modeling time-changing concepts, making predictions in a local fashion. Instead of learning a single model on a fixed or adaptive sliding window of historical data...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	IEEE transactions on knowledge and data engineering Jg. 30; H. 5; S. 978 - 991
Hauptverfasser:	Shao, Junming, Huang, Feng, Yang, Qinli, Luo, Guangchun
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	New York IEEE 01.05.2018 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Schlagworte:	Adaptation models Classification Clustering concept drift Data mining Data models Data stream Data transmission Distributed databases Ensemble learning Evolution Heuristic algorithms Maintenance engineering Modelling Prototypes Statistical analysis Synchronism synchronization
ISSN:	1041-4347, 1558-2191
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!