集成学习算法在增量学习中的应用研究

摘要

如何能有效地保持原本学习过的知识,又能不断获取新知识?这是增量学习面临的难题.将集成学习算法移植应用于增量学习,建立了模块化增量学习模型,研究了BehaviorKnowledgeSpace(BKS)、DynamicClassifierSelection(DCS)和MajorityVoting(MV)3种集成学习算法应用于增量学习的可能性,并提出了算法BKSbasedonDCS(BoD).仿真实验表明,DCS表现最好,BKS和MV表现次之,BoD很好地提升了BKS而与DCS完全相当;提出的增量学习模型不但能完全保持以前学习过的知识,而且能有效地获取当前的新知识(包括概念漂移conceptdrift)。