본 논문은 혼합형, 변동성, 불완전한 특징을 가진 스트리밍 데이터에 대한 온라인 학습 문제를 해결하기 위해 OL-MDISF(Online Learning from Mix-typed, Drifted, and Incomplete Streaming Features)를 제안합니다. OL-MDISF는 이기종 특징에 대한 잠재적 copula 기반 표현을 구성하고, 앙상블 엔트로피와 잠재적 불일치를 통해 변동을 감지하며, 구조 인식 의사 라벨링을 수행합니다. 본 논문은 혼합형 모델링, 변동 적응, 약한 감독에 대한 관련 연구에 대한 배경 설명과 14개의 실제 데이터 세트에 대한 광범위한 실험 결과(두 가지 유형의 변동 시나리오 포함)를 제공합니다. CER 추세, ablation study, 민감도 분석, 시간적 앙상블 역학 등이 포함됩니다.
