面向复杂数据流的集成分类综述

摘要

随着大数据的快速发展，挖掘有价值的知识可能会面临高维、大量、动态数据的影响，这些复杂数据流的出现会导致分类效果下降。为了进一步分析数据流集成分类的研究现状和面临的挑战，本文对复杂数据流集成分类进行综述以供进一步研究，从复杂数据流、领域数据流角度重点介绍了目前算法的核心思想以及性能。其中，复杂数据流主要介绍概念漂移、不平衡、多标签数据流等；然后，介绍文本、图、传感器等领域数据流，归纳了集成学习在领域数据流中的应用；之后，从验证技术、评估指标方面对数据流评估方法进行介绍；最后，展望未来研究可能的几个方向，包括不确定数据流集成分类的挑战、多种数据流并存集成分类的挑战、延迟数据流集成分类的挑战、数据流分类评估方法的挑战等。

关键词

复杂数据流 / 集成学习 / 评估方法 / 领域数据流