研究文章
Microcluster-Based增量合奏学习吵,非平稳的数据流
|
输入:实例
, |
|
池的最大限度
,和 |
|
平滑参数
。 |
|
输出:微簇的池 |
| (1) |
池的初始微簇这是由
- - - - - -意味着 |
| (2) |
为每个实例做 |
|
阶段1:分类 |
| (3) |
之间的距离和 |
| (4) |
选择k最近的微簇对实例进行分类 |
| (5) |
预测类标签的实例得到多数票在方程(5) |
| (6) |
更新的参数k最近的微簇 |
|
阶段2:增量学习 |
| (7) |
如果场景1然后 |
| (8) |
更新最近的微簇的结构方程(1)- (3)和微簇的实例数量将增加1 |
| (9) |
其他的如果场景2然后 |
| (10) |
考虑到实例作为噪声点和忽视它 |
| (11) |
其他的如果场景3然后 |
| (12) |
建立一个新的微簇实例 |
|
阶段3:更新池 |
| (13) |
如果
然后 |
| (14) |
|
| (15) |
|
| (16) |
其他的 |
| (17) |
最糟糕的微簇 |
| (18) |
取代 |
| (19) |
如果 |
| (20) |
如果 |
| (21) |
结束了 |
| (22) |
返回
微簇池所需的时间戳 |
|
