基于最小包含球的非静态大数据集的快速分类算法-论文.pdf

《基于最小包含球的非静态大数据集的快速分类算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第7期控制与决策2013年7月、，．01．28No．7ControlandDecisionJu1．2013文章编号：1001．o920(2013)07—1065—08基于最小包含球的非静态大数据集的快速分类算法史荧中1,2王士同，王骏，邓赵红(1．江南大学数字媒体学院，江苏无锡214122：2．无锡职业技术学院物联网技术学院，江苏无锡214121)摘要：对于小规模的非静态数据，最近提出的时间自适应支持向量机(TA．SVM)方法表现出良好的性能，它从兼顾局部优化和全局优化的角度同时求解多个子分类器的特性．但对于大数据集

2、，较高的计算代价限制了它的实用性．针对此不足，结合核心向量机(CVM)理论提出了针对非静态大数据集的新颖分类方法，即基于中心约束最小包含球(CCMEB)的TA．CVM，简称CCTA．CVM．该方法具有渐近线性时问复杂度的优点，同时继承了TA．SVM的良好性能．最后通过实验验证了所提出方法的有效性．关键词：数据漂移；非静态大数据集；最小包含球；线性时间复杂度中图分类号：TP181文献标志码：AFastclassificationfornonstationarylargescaledatasetsusingminimalencl

3、osingballSHIYing．zhong，一，WANGShi．tong1WANGJun1DENGZhao．hong1，，(1．SchoolofDigitalMedia，JiangnanUniversity，Wuxi214122，China：2．SchoolofInternetofThings，WuxiInstituteofTechnology，Wuxi214121，China．Correspondent：SHIYing-zhong，E—mail：shiyz@wxit．edu．cn)Abstract：Forsmallsca

4、lenonstationarydatasets，therecently-proposedclassifiertimeadaptivesupportvectormachine(TA-SVM)exhibitsitsgoodperformancewiththedistinctivecharacteristicofsimultaneouslysolvingseveralsubclassifierslocallyandglobally．However,forlargescaledatasets，itshighcomputational

5、costsevemlyweakensitsusefulness．Inorderc0overcomethisshortcoming．anovelclassifiernamedcenter-constrainedminimalenclosingball(CCMEB)basedtimeadaptivecorevectormachine(CCTA—CVMforbrevity)forlargenonstationarydatasetsisproposedbyusingcorevectormachine(CVM)theory．Thisc

6、lassifierhasthemeritofasymptoticlineartimecomplexityandinheritsthegoodperformanceofTA—SVM．Experimentalresultsshowtheeffectivenessoftheproposedclassifier．Keywords：datadrift：largenonstationarydatasets：minimalenclosingball：lineartimecomplexity0引言研究的[3,51，更多的是基于“局部分类器”

7、[2'4，9，1_l6】的在某些应用场合，如大型零售超市、电子商务网思路，即从总体数据中依次选取一定区间(称为滑动站、电信领域服务商或者科研机构等，每天都会产生窗)内的数据先分别求出各予分类器，再进行某种组大量的数据，而且数据特征是随着时间而不断变化的，合．它们的差异主要在于滑动窗的长度如何选取、滑数据的分类模型也会随着时间和地点的不同而变化．动窗内各数据的权重和子分类器的集成等．针对这类不断变化的分类模型问题，Helmbold等【l】2011年，Grinblat等[17】利用支持向量机之间的耦于1994年提出了漂移概念(d

8、riftingconcepts)，Widmer合来求解非静态数据的分类问题．他们使用时间自适等【2】于1996年使用了概念漂移(conceptdrift)，二者略应支持向量机(TA．SVM)方法求解渐变的子分类器，有不同．前者主要针对缓慢变化型数据，相近的研究其核心思想是求解一个子分类器序