一种基于局部分类精度的概念漂移数据流分类算法

概念漂移数据流分类是一个极具挑战性的问题。当新概念出现时,该概念下的学习样本过少,无法对分类器进行及时调整,进而导致分类精度不高。为了解决该问题,本文提出一种基于局部分类精度的概念漂移数据流分类算法——LA-MS-CDC。第一,LA-MS-CDC将k-means聚类和局部分类精度算法结合,从分类器池中挑选出最优源领域分类器;第二,将最优源领域分类器与目标领域分类器加权集成,进而对样本分类;第三,根据分类样本的真实标签分别计算各分类器的损失,并对目标领域和源领域的分类器权重进行更新;第四,再利用该分类样本对目标领域分类器、最优源领域分类器进行更新;最后,完成分类器池的更新。在公开数据集上的实验结果表明,LA-MS-CDC能够有效地将源领域知识迁移到目标领域,与现有方法相比,其分类效果具有显著性提升。算法代码可在https://gitee.com/ymw12345/LAMSCDC上获取。     

我国应用型高校教师教学发展：特征、问题及对策

我国应用型高校教师教学发展经历了同质化起步、差异化探索、差异化与制度化协同、标准化建设4个发展阶段，呈现3方面典型特征：建立了基于政策引导的保障体系，形成了全方位科学化的生态评价体系，探索了多层面、多形式的实践路径。但也存在特色欠凸显、教学管理形式化、教师教学发展被“遮蔽”、教学发展中心的作用有限、基于团体的教师教学发展不足等问题。基于此提出如下对策：突出应用型高校教师教学发展特色，建立应用型高校教师教学发展支持体系，引导教师开展教学学术研究，发挥教学发展中心的协同作用，构建教师教学发展共同体。