CODES: Efficient Incremental Semi-Supervised Classification Over Drifting and Evolving Social Streams
CODES: Efficient Incremental Semi-Supervised Classification Over Drifting and Evolving Social Streams
复制标题
代码：针对漂移和不断发展的社交流的高效增量半监督分类
DOI：
10.1109/access.2020.2965766
复制
发表时间：
2020-01
期刊：
影响因子：
--
通讯作者：
YULIANG MA
中科院分区：
文献类型：
--
作者：
XIN BI;CHAO ZHANG;XIANGGUO ZHAO;DONGHANG LI;YONGJIAO SUN;YULIANG MA
数据流分类是爆炸性社会流挖掘和计算的关键任务。有效的学习技术在内容分发和事件浏览方面提供高质量的服务。由于概念漂移和概念
Classification over data streams is a crucial task of explosive social stream mining and computing. Efficient learning techniques provide high-quality services in the aspect of content distribution and event browsing. Due to the concept drift and concept
登录
查看更多内容
影响因子：
8.9
作者：
M. Masud;Jing Gao;L. Khan;Jiawei Han;B. Thuraisingham
通讯作者：
M. Masud;Jing Gao;L. Khan;Jiawei Han;B. Thuraisingham
DOI：
10.1109/tkde.2018.2810872
发表时间：
2018-10
影响因子：
8.9
作者：
Yue Zhu;K. Ting;Zhi-Hua Zhou
通讯作者：
Yue Zhu;K. Ting;Zhi-Hua Zhou
影响因子：
--
作者：
Liang, Nan-Ying;Huang, Guang-Bin;Sundararajan, N.
通讯作者：
Sundararajan, N.
影响因子：
6
作者：
Huang, Guang-Bin;Zhu, Qin-Yu;Siew, Chee-Kheong
通讯作者：
Siew, Chee-Kheong
DOI：
10.1007/978-3-319-93034-3_2
发表时间：
2018-06
期刊：
--
影响因子：
--
作者：
Xin Mu;Feida Zhu;Yue Liu;Ee-Peng Lim;Zhi-Hua Zhou
通讯作者：
Xin Mu;Feida Zhu;Yue Liu;Ee-Peng Lim;Zhi-Hua Zhou