申请/专利权人:重庆邮电大学
申请日:2024-01-25
公开(公告)日:2024-04-26
公开(公告)号:CN117931892A
主分类号:G06F16/2458
分类号:G06F16/2458;G06F16/2453;G06N7/01
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供一种基于增量学习解决概念漂移的近似查询处理方法,包括:获取查询样本集,对查询样本集进行划分得到多个查询样本子集;针对每个查询样本子集分别进行均匀采样构建一个对应的训练集;并利用每个训练集分别对两个BNNs贝叶斯神经网络进行训练构建初始后验混合高斯分布模型;利用EM算法对初始后验混合高斯分布模型进行近似得到估计后验混合高斯分布模型;当数据库中有新的查询样本数据集到达时,则对估计后验混合高斯分布模型进行更新;根据最终的估计后验混合高斯分布模型和用户的查询语句返回用户的查询结果,本发明很好地应对新插入数据的查询,并且避免对旧数据的遗忘,节省了存储资源的开销。
主权项:1.一种基于增量学习解决概念漂移的近似查询处理方法,其特征在于,包括:S1:获取查询样本集,其中,查询样本集中每个查询样本包括:多个属性信息;S2:根据查询样本集中查询样本的第一属性对查询样本集进行划分得到多个查询样本子集;S3:针对每个查询样本子集分别进行均匀采样构建一个对应的训练集;并利用每个训练集分别对两个BNNs贝叶斯神经网络进行训练,构建训练集中查询样本第二属性的BNNs密度估计模型和第二属性到第一属性的BNNs回归模型;S4:根据所有训练集中查询样本第二属性的BNNs密度估计模型和第二属性到第一属性的BNNs回归模型,构建初始后验混合高斯分布模型;S5:利用EM算法对初始后验混合高斯分布模型进行近似得到估计后验混合高斯分布模型;S6:当数据库中有新的查询样本数据集到达时,则根据步骤S2~S5对估计后验混合高斯分布模型进行更新;S7:根据最终的估计后验混合高斯分布模型和用户的查询语句返回用户的查询结果。
全文数据:
权利要求:
百度查询: 重庆邮电大学 一种基于增量学习解决概念漂移的近似查询处理方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。