在概念漂移的數(shù)據(jù)流中可探測(cè)新穎類別的分類技術(shù).pdf

1、分類問(wèn)題一直以來(lái)都是數(shù)據(jù)挖掘領(lǐng)域中一項(xiàng)重要的研究?jī)?nèi)容，在許多領(lǐng)域有著重要的應(yīng)用。在傳感器網(wǎng)絡(luò)、股票交易、互聯(lián)網(wǎng)以及衛(wèi)星導(dǎo)航等信息傳輸領(lǐng)域中，連續(xù)、無(wú)限且分布隨時(shí)間動(dòng)態(tài)變化的流式數(shù)據(jù)逐漸成為數(shù)據(jù)的主要表現(xiàn)形式，人們迫切地希望從這些不斷增長(zhǎng)的數(shù)據(jù)中挖掘出有用的知識(shí)。但是，動(dòng)態(tài)變化的數(shù)據(jù)流中不但包含已知概念間的演變（概念漂移），還包含已知概念到未知概念的演變（新穎類別），這些潛在的未知的新穎概念給數(shù)據(jù)流挖掘研究提出了新的挑戰(zhàn)?，F(xiàn)有的數(shù)據(jù)流分類

2、技術(shù)大多只關(guān)注于如何解決數(shù)據(jù)流快速、無(wú)限以及概念漂移等問(wèn)題，而較少考慮到數(shù)據(jù)流中可能演變出新穎類別的情況。
　　針對(duì)以上提出的問(wèn)題，本文從傳統(tǒng)的數(shù)據(jù)流分類技術(shù)和基于概念漂移檢測(cè)的集成分類技術(shù)入手，對(duì)可探測(cè)新穎類別的數(shù)據(jù)流分類技術(shù)展開(kāi)研究。主要研究工作有：
　　(1)針對(duì)已有的數(shù)據(jù)流集成分類技術(shù)WCE將數(shù)據(jù)流等分成固定大小的數(shù)據(jù)塊，以及頻繁更新分類模型，導(dǎo)致分類準(zhǔn)確率較低和處理速度較慢的問(wèn)題，提出基于可變尺度滑動(dòng)窗口的改進(jìn)算法

3、WCE-D。該算法對(duì)滑動(dòng)窗口中流數(shù)據(jù)的分布變化進(jìn)行周期檢測(cè)以判斷概念漂移，然后依據(jù)漂移狀態(tài)決定是否學(xué)習(xí)和更新分類模型并調(diào)整窗口（數(shù)據(jù)塊）大小，從而提高數(shù)據(jù)流的分類精度和減少分類耗時(shí)。實(shí)驗(yàn)結(jié)果表明，該算法比已有算法具有更高的分類精度和更快的分類速度。
　　(2)針對(duì)傳統(tǒng)的k-means算法對(duì)初始中心點(diǎn)敏感，且假定數(shù)據(jù)對(duì)象所有屬性具有相同權(quán)重的問(wèn)題，結(jié)合k-means++的初始中心點(diǎn)選擇算法和屬性加權(quán)技術(shù)，提出了改進(jìn)算法w-kmean

4、s++。改進(jìn)后的算法使用具體的算法來(lái)選擇初始中心點(diǎn)，減少了算法的迭代次數(shù)。并且，算法在聚類計(jì)算中依據(jù)數(shù)據(jù)對(duì)象屬性的重要程度賦予其不同的權(quán)重，使得聚類結(jié)果更接近實(shí)際情況。實(shí)驗(yàn)結(jié)果表明，與k-means和k-means++比較， w-kmeans++算法的聚類效果更好，速度更快。
　　(3)針對(duì)現(xiàn)有的可探測(cè)新穎類別的數(shù)據(jù)流集成分類技術(shù)新穎類別探測(cè)準(zhǔn)確率不高和處理速度較慢的問(wèn)題，采用改進(jìn)的WCE-D算法作為分類算法框架以提高分類精度和分