关键词：数据流分类 迁移学习 互近邻 局部分类精度 

摘要：为解决数据流分类中概念漂移和噪声问题,提出一种基于互近邻的多源迁移学习方法。该方法存储多源领域上训练得到的分类器,求出目标领域数据块中每个样本的互近邻样本集合,然后计算源领域分类器对目标领域数据块中每个样本的互近邻样本集合的局部分类精度,最后将局部分类精度最高的源领域分类器和目标领域分类器进行加权集成,从而将多个源领域的知识迁移到目标领域。在仿真数据集上的实验结果表明,该方法能够有效避免伪近邻现象,与基于K-近邻的多源在线迁移学习方法相比,具有更好的分类准确率和抗噪稳定性。

四川理工学院学报杂志要求:

{1}来稿一律文责自负。根据《著作权法》，本刊对决定刊用的文稿可作文字修改、删节，凡有涉及原意的修改，则提请作者考虑。

{2}基金项目名称应按国家有关部门规定的正式名称填写，多项基金应依次列出，其间以分号“；”隔开。

{3}参考文献：参考文献必须是正文中直接引用的，且在正文中用上角标标注参考文献序号，与文末的参考文献序号（方括号[1]、[2]、……）相对应。

{4}中文摘要：字数为150-200字。中文关键词：选取3-5个文章核心术语。

{5}提供中英文文章标题。文章标题和文内小标题要简明扼要。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社