近日，我院2023级硕士研究生朱健在数据流挖掘领域取得新进展。相关成果发表在数据挖掘与知识工程领域国际优秀期刊Data Mining and Knowledge Discovery，题为“Online transfer learning framework for label scarcity in evolving data streams”。安徽工程大学为第一完成单位。
该论文针对演化数据流中标签稀缺问题提出了一种在线迁移学习模型。模型通过聚类预处理筛选与目标域分布最相似的源域数据以辅助实施监督学习，并在线更新源域捕捉概念漂移现象，同时利用缓存机制检测新兴类。实验表明，该模型在多数场景下都能稳定保持较高的分类准确率，验证了方法的有效性与鲁棒性。
Data Mining and Knowledge Discovery(CCF-B) 期刊由Springer出版社出版，是数据挖掘领域优秀期刊之一，该刊年发表论文约80篇，与IEEE TKDE(CCF-A）、ACM TKDD(CCF-B）并列为该领域核心刊物。涉及统计学、数据库、模式识别和学习、数据可视化、不确定性建模、数据库和OLAP、优化和高性能计算等领域的理论和技术研究。
（文/图：刘三民、朱健；编辑：周芳婷；预审：严楠；审核：李烨）