基于多任务学习的复杂概念漂移数据流分类研究

基金项目类型：

国家自然科学基金

基金项目编号：

61363029

来源网站：

国家自然科学基金委员会

来源网址：

http://www.nsfc.gov.cn/

负责人：

文益民

完成单位：

桂林电子科技大学

中文关键词：

概念漂移; 多任务学习; 认知学习; 分类置信度; 终身机器学习;

项目类型：

地区科学基金项目

语种：

中文

开始日期：

2014-01-01

结束日期：

2017-12-31

中文摘要：

在先进制造、电子商务和社会文化等领域，为确保质量和安全，迫切需要对数据流进行精确分类。目前大多数算法都忽视了这种数据流的复杂性，本项目在认知学习理论和终身机器学习理论的指导下，重点研究一种基于多任务学习实施概念漂移检测和样本选择的算法，以实现对这种复杂概念漂移数据流的有效分类和学习。该算法能更准确地实施概念漂移检测，能同时学习多个概念，并不断提高对新、旧概念的泛化能力。拟开展的工作包括--分类置信度计算新方法研究、基于多任务学习的多个概念在线学习及概念漂移检测研究、基于多任务学习的不平衡概念漂移数据流分类研究，并开发基于多任务学习的复杂概念漂移数据流分类验证系统，将其用于解决工业图像检测、垃圾邮件过滤和产品评价等实际问题。本项目的研究对于探究人脑的认知学习机制，或根据认知学习机制来研究自适应学习和终身机器学习等新的机器学习模型具有重要的科学意义。