適于概念漂移的數(shù)據(jù)流在線分類算法研究.pdf

1、分類技術(shù)是數(shù)據(jù)挖掘的重要組成部分，有著廣泛的應(yīng)用領(lǐng)域，并且已經(jīng)有大量成熟的研究成果問(wèn)世。然而數(shù)據(jù)流作為一種新型的數(shù)據(jù)模型，具有連續(xù)、單遍掃描、快速變化和海量無(wú)窮等特點(diǎn)，同時(shí)數(shù)據(jù)流中數(shù)據(jù)所隱含的知識(shí)或者概念會(huì)隨著時(shí)間的變化而改變，即發(fā)生概念漂移，傳統(tǒng)的數(shù)據(jù)挖掘分類算法難以及時(shí)有效地對(duì)其進(jìn)行處理。如何實(shí)時(shí)、快速地對(duì)數(shù)據(jù)流進(jìn)行分類，并且有效地發(fā)現(xiàn)和適應(yīng)概念漂移，給數(shù)據(jù)挖掘研究領(lǐng)域帶來(lái)了巨大的挑戰(zhàn)，面向數(shù)據(jù)流環(huán)境的分類處理已經(jīng)成為數(shù)據(jù)挖掘研究的

2、熱點(diǎn)問(wèn)題之一。
　　基于此，本文針對(duì)具有概念漂移的數(shù)據(jù)流分類問(wèn)題展開(kāi)了以下研究工作:首先熟悉數(shù)據(jù)挖掘領(lǐng)域的相關(guān)知識(shí)，了解數(shù)據(jù)流產(chǎn)生的背景及特點(diǎn)，之后研讀并掌握已有數(shù)據(jù)流分類算法的核心思想。
　　其次，針對(duì)概念漂移的數(shù)據(jù)流分類問(wèn)題，設(shè)計(jì)了一種基于實(shí)例加權(quán)的數(shù)據(jù)流分類算法(EWBC)。該算法引入boosting思想，根據(jù)各個(gè)基分類器的分類結(jié)果動(dòng)態(tài)調(diào)整訓(xùn)練數(shù)據(jù)的權(quán)值，使得在發(fā)生概念漂移時(shí)，新建立的分類器能夠更加快速準(zhǔn)確地收斂于新概

3、念;同時(shí)，在刪除舊的不再適應(yīng)新概念的基分類器時(shí)，聯(lián)合考慮基分類器的分類準(zhǔn)確率和基分類器之間的差異度。實(shí)驗(yàn)表明，與WEC算法相比，EWBC算法的分類準(zhǔn)確性有顯著提高。
　　再次，針對(duì)概念重復(fù)出現(xiàn)并具有周期性概念漂移的數(shù)據(jù)流分類問(wèn)題，提出了一種基于歷史概念的數(shù)據(jù)流分類算法(HCBC)。算法保存所有已出現(xiàn)的概念及其對(duì)應(yīng)的分類器，當(dāng)歷史概念重新出現(xiàn)時(shí)，首先根據(jù)歷史概念的信息，選擇性的挑取適應(yīng)當(dāng)前概念的基分類器組成集成分類器，從而提高了分類