面向大數(shù)據(jù)的增量式學習算法研究.pdf

1、隨著數(shù)據(jù)規(guī)?？焖僭鲩L，能夠處理大數(shù)據(jù)集的數(shù)據(jù)挖掘算法得到了廣泛的研究和應用，成為目前研究的熱點之一。本文主要研究了面向大數(shù)據(jù)的增量式特征選擇和增量式分類學習算法。論文的主要研究工作有以下兩個內容:
　?。?）以條件互信息作為度量標準的基礎上進行增量式的特征選擇算法，主要通過將大數(shù)據(jù)模擬數(shù)據(jù)流并劃分為數(shù)據(jù)塊，增量對特征子集進行信息度量，提高運算效率，最終得到特征子集。為了驗證所改進的增量特征選擇算法的有效性，在UCI實驗數(shù)據(jù)集上進行

2、模擬實驗比較分類性能。通過實驗表明，增量特征選擇（I-MIFS）算法在大多數(shù)情況下都比其他算法要好，I-MIFS算法是一種適合大規(guī)模數(shù)據(jù)集的特征選擇算法。
　?。?）在神經網絡集成的基礎上研究增量式大數(shù)據(jù)學習算法：研究了運用改進的Boosting技術完成個體神經網絡的生成和最后結果的集成，將分類邊界的錯分樣本作為研究目標，使集成的神經網絡可以進行大數(shù)據(jù)增量學習，通過設計實驗，運用UCI數(shù)據(jù)集進行實驗，對比分析可以得到增量大數(shù)據(jù)學習