数据流上概念漂移的检测和分类.pdf

小 型 微 型 计 算 机 系 统 2011 年 3 月 第 3 期 Journal of Chinese Computer Systems Vol. 32 No ． 3 2011 数据流上概念漂移 的检测和分类 ， ， 柴玉梅 周 驰 王黎明 ( ， 45000 1) 郑州大学 信息工程学院 河南 郑州 E-mail: zhouchill@ yahoo ． com ． cn 摘 要: 挖掘带有概念漂移的数据流对于许 多实时决策是十分重要的． 本文使 用统计 学理论估计 某一确定模型在 最新概念上 ， ， KM M ( ) 的真 实错误率的置信 区间 在一定概率保证下检 测数据流 中是否发生 了概念 漂移 并将此方法和 核平均匹配 算法 引入 ， WSEC ． ． 集成分类器框架 中 提出一种数据流分类的新算法 在仿真和真 实数据流上的试验结果表明该算法是有效 的 关 键 词: 概念漂移; 数据流挖掘; 分类; 集成 中图分类号: TP311 文献标识码: A 文 章 编 号: 1000-1220( 2011) 03-0421-05 Detecting Concept Drift and Classifying Data Streams CHAI Yu-mei ，ZHOU Chi ，WANG Li-ming ( School of Inf ormation Engineering ，Zhengz hou Unvers ity ，Zhengz hou 45000 1 ，China) Abstract : It is very important to mining data streams w ith concept drifts for many real-time decision support systems． This paper pro- posed a method to estimate the Confidence Interval of the true error rate of the Up-to -Date concept to a certain model based on the sta- tistical theory ． This method could detect the concept drift under a certain probability guarantee． We apply this method and KM M algo- rithm to the Ensemble Framew ork of Classifier ，and give a new algorithm for data stream classification． The experimental results in the simulation and real data streams show that the algorithm is effective． Key words: concept drift ; data streams mining ; classifying ; ensemble ， 1 引 言 严格的概念漂移 并分别采用不 同的算法处理带有这两类概