الگوريتم نيمه نظارتي جمعي با استفاده از معيار انتخاب مبتني بر آستانه امتياز اطمينان در جريانداده هاي غير ايستا

در اين مقاله، يك الگوريتم طبقه‌بندي نيمه‌نظارتي جمعي با استفاده از معيار انتخاب مبتني بر آستانه امتياز اطمينان تحت عنوان SSECBS در محيط‌هاي غير ايستا ارائه مي‌شود. رويكرد پيشنهادي از داده‌هاي داراي برچسب و فاقد برچسب با هدف مقابله با انواع تغيير مفهوم در جريان داده‌ها استفاده مي‌كند. SSECBS مكانيزم مشهور وزن‌دهي بر اساس دقت الگوريتم‌هاي جمعي مبتني بر بلوك را با ماهيت افزايشي الگوريتم درخت هافدينگ تلفيق مي‌كند. الگوريتم پيشنهادي به طور تجربي با 8 رويكرد منطبق بر جديدترين دستاوردها، از جمله مدل‌هاي طبقه‌بندي نظارتي، نيمه‌نظارتي، منفرد و الگوريتم‌هاي جمعي مبتني بر بلوك روي مجموعه داده‌هاي متنوع مقايسه شده است. بر اساس نتايج تجربي، SSECBS بهترين ميانگين دقت طبقه‌بندي را نسبت به ساير رويكردهاي نيمه‌نظارتي داراست و قادر است در محيط‌هاي داراي تغيير مفهوم با محدوديت داده برچسب‌دار عملكرد مناسبي داشته باشد.