TY -的A2 Comminiello达尼洛盟——他,玉林盟——江,杰盟——戴,德信盟-法布里斯Klohoun PY - 2020 DA - 2020/02/21 TI -增量核密度估计的数据流计算SP - 1803525六世- 2020 AB -概率密度函数( p.d.f。)评估中起着非常重要的作用在数据挖掘领域。核密度估计(KDE)是主要使用的技术来估计未知 p.d.f。对给定的数据集。现有的kde处理时通常是低效率的 p.d.f。流数据估计问题,因为一个全新的KDE必须重新训练的基础上,结合当前数据,新数据。这一过程增加了培训的时间和浪费计算资源。本文提出了一种增量式核密度估计(I-KDE)处理 p.d.f。估计问题的数据流计算。当前KDE I-KDE更新动态,逐渐与新数据而不是再培训相结合的全新的KDE当前数据,新数据。理论分析证明了I-KDE只有估计的收敛性 p.d.f。新到来的数据是其真正的收敛 p.d.f。为了保证I-KDE的融合,一种新的多元定点迭代算法基于无偏交叉验证(UCV)方法确定最优带宽的KDE。实验结果10日单变量和4多变量概率分布演示I-KDE的可行性和有效性。SN - 1076 - 2787你——https://doi.org/10.1155/2020/1803525——10.1155 / 2020/1803525 JF - PB - Hindawi KW - ER -复杂性