公开(公告)号：CN114116669B

公开(公告)日：2024-07-12

申请号：CN202111412707.X

申请日：2021-11-25

Applicant: 燕山大学

Inventor： 梁顺攀 ,  潘维维

IPC: G06F16/21 ,  G06F16/22 ,  G06F16/2458

Abstract: 本发明公开了一种基于霍夫丁树的多标签流数据分类方法，属于模式识别与数据挖掘技术领域。训练阶段步骤：新实例逐条流入模型；根据实例特征数量构建基分类器并分别分配若干特征，进行增量式学习；将上述结构作为基本单元做分层级联，每一层有若干个互不相同的基本单元；每一层训练时进行三折交叉验证得到各单元的权值，并验证当前层的分类性能；预测阶段步骤：新实例逐条流入训练好的模型，获取当前实例的特征向量；特征划分；将每个基本单元针对当前实例的预测值施加训练时确定的权值，与原始特征拼接后作为下一层的输入特征；统计每一层对当前测试实例的预测精度，若没有明显增长则停止模型增长，并取最后一层的预测值为最终预测结果。

公开(公告)号：CN114116669A

公开(公告)日：2022-03-01

申请号：CN202111412707.X

申请日：2021-11-25

Applicant: 燕山大学

Inventor： 梁顺攀 ,  潘维维

IPC: G06F16/21 ,  G06F16/22 ,  G06F16/2458

Abstract: 本发明公开了一种基于霍夫丁树的多标签流数据分类方法，属于模式识别与数据挖掘技术领域。训练阶段步骤：新实例逐条流入模型；根据实例特征数量构建基分类器并分别分配若干特征，进行增量式学习；将上述结构作为基本单元做分层级联，每一层有若干个互不相同的基本单元；每一层训练时进行三折交叉验证得到各单元的权值，并验证当前层的分类性能；预测阶段步骤：新实例逐条流入训练好的模型，获取当前实例的特征向量；特征划分；将每个基本单元针对当前实例的预测值施加训练时确定的权值，与原始特征拼接后作为下一层的输入特征；统计每一层对当前测试实例的预测精度，若没有明显增长则停止模型增长，并取最后一层的预测值为最终预测结果。