软件学报

作者：翟婷婷，高阳，朱俊武

单位：翟婷婷，扬州大学 信息工程学院, 江苏 扬州 225127;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002311,高阳，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002302,朱俊武，扬州大学 信息工程学院, 江苏 扬州 22512703

关键词：在线学习;流数据分类;维度诅咒;概念漂移;稀疏在线学习;演化流分类

基金：国家重点研发计划（2017YFB0702600，2017YFB0702601）；国家自然科学基金（61906165，61432008，61872313）；江苏省高等学校自然科学研究项目（19KJB520064）

流数据分类旨在从连续不断到达的流式数据中增量学习一个从输入变量到类标变量的映射函数，以便对随时到达的测试数据进行准确分类.在线学习范式作为一种增量式的机器学习技术，是流数据分类的有效工具.主要从在线学习的角度对流数据分类算法的研究现状进行综述.具体地，首先介绍在线学习的基本框架和性能评估方法，然后着重介绍在线学习算法在一般流数据上的工作现状，在高维流数据上解决"维度诅咒"问题的工作现状，以及在演化流数据上处理"概念漂移"问题的工作现状，最后讨论高维和演化流数据分类未来仍然存在的挑战和亟待研究的方向.

来源：2020年第4期

《软件学报》期刊编辑部

查看软件学报杂志2020年第4期