Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Texture Classification with Patch Autocorrelation Features Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Prototype Selection on Large and Streaming Data

verfasst von : Lakhpat Meena, V. Susheela Devi

Erschienen in: Neural Information Processing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Since streaming data keeps coming continuously as an ordered sequence, massive amounts of data is created. A big challenge in handling data streams is the limitation of time and space. Prototype selection on streaming data requires the prototypes to be updated in an incremental manner as new data comes in. We propose an incremental algorithm for prototype selection. This algorithm can also be used to handle very large datasets. Results have been presented on a number of large datasets and our method is compared to an existing algorithm for streaming data. Our algorithm saves time and the prototypes selected gives good classification accuracy.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Visual-Textual Late Semantic Fusion Using Deep Neural Network for Document Categorization
Nächstes Kapitel GOS-IL: A Generalized Over-Sampling Based Online Imbalanced Learning Framework
Literatur
1.
Cover, T.M., Hart, P.E.: Nearest neighbor pattern classification. IEEE Trans. Inf. Theor. (IT) 13, 21–27 (1967)CrossRefMATH
2.
Hart, P.E.: The condensed nearest neighbor rule. IEEE Trans. Inf. Theor. (IT) 14(3), 515–516 (1968)CrossRef
3.
Gates, G.W.: The reduced nearest neighbour rule. IEEE Trans. Inf. Theor. (IT) 18(3), 431–433 (1972)CrossRef
4.
Devi, V.S., Murty, M.N.: An incremental prototype set building technique. Pattern Recogn. 35, 505–513 (2002)CrossRefMATH
5.
Angiulli, F.: Fast condensed nearest neighbor rule. In: Proceedings of 22nd International Conference on Machine Learning (ICML 2005) (2005)
6.
Karacali, B., Krim, H.: Fast minimization of structural risk by nearest neighbor rule. IEEE Trans. Neural Netw. 14(1), 127–134 (2003)CrossRef
7.
Law, Y.-N., Zaniolo, C.: An adaptive nearest neighbor classification algorithm for data streams. In: Jorge, A.M., Torgo, L., Brazdil, P.B., Camacho, R., Gama, J. (eds.) PKDD 2005. LNCS (LNAI), vol. 3721, pp. 108–120. Springer, Heidelberg (2005) CrossRef
8.
Beringer, J., Hüllermeier, E.: Efficient instance-based learning on data streams. Intell. Data Anal. 11(6), 627–650 (2007)
9.
Tabata, K., Sato, M., Kudo, M.: Data compression by volume prototypes for streaming data. Pattern Recogn. 43, 3162–3176 (2010)CrossRefMATH
10.
Garcia, S., Derrac, J.: Prototype selection for nearest neighbor classification : taxonomy and empirical study. IEEE Trans. PAMI 34, 417–435 (2012)CrossRef
11.
Czarnowski, I., Jedrzejowicz, P.: Ensemble classifier for mining data streams. In: 18th International Conference on Knowledge-Based and Intelligent Information and Engineering Systems(KES 2014), Procedia Computer Science, vol. 35, pp. 397–406 (2014)
12.
13.
Gadodiya, S.V., Chandak, M.B.: Prototype selection algorithms for kNN classifier: a survey. Int. J. Adv. Res. Comput. Commun. Eng. (IJARCCE) 2(12) (2013)
14.
Verbiest, N., Cornelis, C., Herrera, F.: FRPS : a fuzzy rough prototype selection method. Pattern Recogn. 46(10), 2770–2782 (2013)CrossRefMATH
15.
Li, J., Wang, Y.: A nearest prototype selection algorithm using multi-objective optimization and partition. In: 9th International Conference on Computational Intelligence and Security, pp. 264–268, December 2013
Metadaten
Titel
Prototype Selection on Large and Streaming Data
verfasst von
Lakhpat Meena
V. Susheela Devi
Copyright-Jahr
2015
Buch
Neural Information Processing

Print ISBN: 978-3-319-26531-5

Electronic ISBN: 978-3-319-26532-2

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-26532-2_74