%0 Journal Article
%T 基于半监督学习的数据流集成分类算法
%A 徐文华
%A 覃征
%A 常扬
%J 模式识别与人工智能
%P 292-299
%D 2012
%X 已有的数据流分类算法多采用有监督学习，需要使用大量已标记数据训练分类器，而获取已标记数据的成本很高，算法缺乏实用性。针对此问题，文中提出基于半监督学习的集成分类算法SEClass，能利用少量已标记数据和大量未标记数据，训练和更新集成分类器，并使用多数投票方式对测试数据进行分类。实验结果表明，使用同样数量的已标记训练数据，SEClass算法与最新的有监督集成分类算法相比，其准确率平均高5。33%。且运算时间随属性维度和类标签数量的增加呈线性增长，能够适用于高维、高速数据流分类问题。
%K 属性权值
%K 概念漂移
%K 集成分类器
%K 同质性
%K K均值聚类
%K 半监督学习
%K 数据流分类
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9421.shtml