数据流分类技术的研究综述16854.pdfVIP

第26卷第10期 计算机应用研究 V01．26No．10 Researchof Oct．2009 2009年10月 Application Computers 数据流分类技术研究综述水 黄树成，曲亚辉 (江苏科技大学计算机科学与工程学院，江苏镇江212003) 摘要：数据流高速、连续无限和动态的特性使得传统的数据分析和挖掘技术无效或需要改进。以数据流分类 为重点，分析了数据流分类中的一些关键问题，综述了典型的数据流分类技术；针对现有方法的不足，给出了应 用主动学习和半监督学习的新思路。 关键词：数据流挖掘；分类；主动学习；半监督学习 中图分类号：TP391 文献标志码：A 文章编号：1001．3695(2009)10．3604．06 doi：10．3969／j．issn．1001—3695．2009．10．002 ondatastreamclassification Survey technologies 。HUANGYa—hui Shu—cheng，QU (hod ofComputerScienceEn∥neenng，JiangsuUnivers妙ofScience＆Technology，Zhenjiang^angsu212003，China) and inhemntfoamresof datainvalidate Abstract：The virtual hi【ghspeed，continuousinfinite，andtime—changing streaming thetraditional ofdata anddata motivatetheneedfor themselves．Thisem— technologiesanalysis mining，or evolving paperput ondatastream afewcriticalissues withdatastream phasis classification，proposedaccompanying classification，surveyedtypi· calclassification anewframework active and approaches．Furthermore，presentedexploitinglearningsemi—supervisedlearning toattackthe ofcurrent disadvantagestechnologies． stream words：data learning Key mining；classification；activelearning；semi-supervised 0 引言 限的元组序列。与传统的数据集相比，数据流具有以下一些鲜 明的特点： 随着通信和计算机等信息技术的发展，许多应用领域产生 的数据属于数据流(datastream)类型，如金融市场、网络监控、 a)有序性。数据流中的元组按时间有序生成，序号隐含 电信数据管理、传感器网络等。数据流高速、连续无限和动态 于到来的时刻或直接以