一种新颖的多标签数据流在线实时分类器
机器学习
2016-09-16 v1 人工智能
神经与进化计算
摘要
本文提出了一种新颖的基于极限学习机的多标签在线分类器，用于实时数据流。多标签分类是近年来受到广泛关注并积极研究的机器学习范式之一，因其在现实世界中的应用迅速增长。与传统的二分类和多分类不同，多标签分类涉及将每个输入样本同时与一组目标标签相关联。文献中尚无基于神经网络的实时在线多标签分类器。在本文中，我们利用极限学习机所展现的高速固有特性，开发了一种新颖的多标签数据流在线实时分类器。我们使用来自不同应用领域的数据集对所开发的分类器在一致性、性能和速度方面进行了实验。实验研究表明，所提出的方法在速度和准确率方面均优于现有的最先进技术，并且能够实时分类多标签数据流。
引用
@article{arxiv.1608.08905,
title = {A Novel Online Real-time Classifier for Multi-label Data Streams},
author = {Rajasekar Venkatesan and Meng Joo Er and Shiqian Wu and Mahardhika Pratama},
journal= {arXiv preprint arXiv:1608.08905},
year = {2016}
}
备注
8 pages, 7 tables, 3 figures. arXiv admin note: text overlap with arXiv:1609.00086