%0 Journal Article
%T 面向高速数据流的偏倚抽样集合分类器
%A 张健沛
%A 杨显飞
%A 杨静
%J 北京邮电大学学报
%P 44-48
%D 2010
%R 10.13190/jbupt.201004.44.zhangjp
%X 针对高速数据流的流速超过集合分类器的处理能力，集合分类器无法训练全部最近到达的数据以更新分类器模型的问题，提出一种偏倚抽样集合分类器算法.通过偏差方差分解方法分析集合分类器的期望错误，利用计算待抽样数据的期望错误贡献度，实现数据的偏倚抽样，有效缩减了集合分类器的训练更新时间.与随机抽样集合分类器方法进行了比较.理论分析和实验结果表明，在抽样比例相同的条件下，该方法可以有效提高集合分类器的分类准确率.
%K 数据流
%K 集合分类器
%K 偏倚抽样
%K 偏差方差分解
%U http://www.buptjournal.cn/CN/abstract/abstract905.shtml