Semi-Supervised Online Kernel Extreme Learning Machine for Multi-Label Data Stream Classification

计算机科学 极限学习机 机器学习 人工智能 水准点(测量) 支持向量机 数据流 半监督学习 多标签分类 核(代数) 标记数据 数据流挖掘 监督学习 数据挖掘 模式识别(心理学) 人工神经网络 数学 地理 组合数学 电信 大地测量学
作者
Shiyuan Qiu,Peipei Li,Xuegang Hu
标识
DOI:10.1109/ijcnn55064.2022.9892701
摘要

Semi-supervised multi-label data stream classification serves a practical yet challenging task since only a small number of labeled instances are available in real streaming environments. However, the mainstream of existing semi-supervised multi-label classification technique is focused on the batch process. Meanwhile, many data stream classification approaches have been proposed, and one of popularly used base models is ELM (extreme learning machine). But only few ELM-based algorithms are proposed for the multi-label data stream classification. Therefore, in this paper, we present a novel Semi-supervised Online Extreme Learning Machine with Kernel function for multi-label data stream classification, called SSO-KELM. Specifically, we firstly introduce the kernel function to output the multi-dimensional vector, for adapting to the multi-label data. Secondly, to make full use of labeled and unlabeled data in a data stream, we derive a novel online semi-supervised ELM algorithm, which can adapt to the stream setting and achieve a higher classification accuracy. Finally, extensive experiments conducted on six benchmark multi-label data sets demonstrate the effectiveness of our approach compared to state-of-the-art approaches.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
nini完成签到,获得积分10
刚刚
中午发布了新的文献求助200
1秒前
哔哔完成签到,获得积分10
1秒前
道科数物发布了新的文献求助10
4秒前
minima1998发布了新的文献求助10
7秒前
7秒前
7秒前
科研通AI2S应助李政浩采纳,获得10
7秒前
背后归尘完成签到,获得积分10
10秒前
Denvir完成签到 ,获得积分10
10秒前
LZM完成签到,获得积分10
10秒前
10秒前
明理雨真发布了新的文献求助10
14秒前
Tao完成签到 ,获得积分10
15秒前
没有昵称发布了新的文献求助30
16秒前
小二郎应助研友_VZGvVn采纳,获得10
17秒前
22秒前
叶孤城发布了新的文献求助10
27秒前
30秒前
bbanshan完成签到,获得积分10
31秒前
田様应助隐形之玉采纳,获得10
31秒前
Anais完成签到,获得积分10
32秒前
24k医学僧完成签到,获得积分10
33秒前
34秒前
走着完成签到,获得积分10
34秒前
科研通AI2S应助minima1998采纳,获得10
34秒前
JamesPei应助zzzzzzzzzzzzb采纳,获得10
35秒前
zzzzzjzjjjj完成签到,获得积分10
35秒前
天天快乐应助xzc采纳,获得10
36秒前
24k医学僧发布了新的文献求助10
37秒前
yuan完成签到,获得积分10
37秒前
天天快乐应助轩xuan采纳,获得10
38秒前
38秒前
科研通AI2S应助zzzzzjzjjjj采纳,获得10
39秒前
南风上北山完成签到,获得积分10
39秒前
爆米花应助整齐百褶裙采纳,获得10
39秒前
41秒前
小马完成签到,获得积分10
42秒前
无奈的问安完成签到,获得积分10
42秒前
Li完成签到,获得积分10
44秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137561
求助须知:如何正确求助?哪些是违规求助? 2788520
关于积分的说明 7787276
捐赠科研通 2444861
什么是DOI,文献DOI怎么找? 1300093
科研通“疑难数据库(出版商)”最低求助积分说明 625796
版权声明 601023