کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6872979 1440627 2018 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Online entropy-based discretization for data streaming classification
ترجمه فارسی عنوان
تعریف مبتنی بر آنتروپی آنلاین برای طبقه بندی جریان داده ها
کلمات کلیدی
جریان داده ها، مفهوم رانش پیش پردازش اطلاعات، کاهش اطلاعات، گسسته سازی، یادگیری آنلاین،
ترجمه چکیده
برای رفع تمامی مشکلات فوق، ما یک راه حل جدید برای تصمیم گیری برای تصمیم گیری های آنلاین و خود سازگار برای طبقه بندی جریان را پیشنهاد می کنیم که هدف آن کاهش تاثیرات منفی نوسانات در فواصل زمانی است. آزمایشات با یک لیست طولانی از مجموعه داده های استاندارد جریان و مخالفین نشان داده اند که پیشنهاد ما به طور قابل توجهی دقیق تر از سایر گزینه ها انجام می شود. علاوه بر این، طرح ما قادر به استفاده از اطلاعات کلاس بدون ابهام در هزینه های اضافه وزن است، که به عنوان یکی از سریع ترین گزینه های تحت نظارت رتبه بندی می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
In order to address all the aforementioned problems, we propose a novel, online and self-adaptive discretization solution for streaming classification which aims at reducing the negative impact of fluctuations in evolving intervals. Experiments with a long list of standard streaming datasets and discretizers have demonstrated that our proposal performs significantly more accurately than the other alternatives. In addition, our scheme is able to leverage from class information without incurring in an overweight cost, being ranked as one of the most rapid supervised options.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 86, September 2018, Pages 59-70
نویسندگان
, , ,