一种能够适应概念漂移变化的数据流分类方法摘要.PDFVIP

第 2 卷第 4 期 　　　 　　　　 　　　　　　　智 　能 　系 　统 　学 　报 　　　　 　　　　 　 　 　　Vol . 2 №. 4 2007 年 8 月 　　　　　　　 　 　　 　　　　　　　　　　　Aug . 2007 CA A I Tran saction s o n Int elligent Sy st em s 　　 一种能够适应概念漂移变化的数据流分类方法 富春岩 ,葛茂松 (佳木斯大学 公共计算机教研部 ,黑龙江 佳木斯 154007) 摘 　要 : 目前多数的数据流分类方法都是基于数据稳定分布这一假设 ,忽略了真实数据在一段时间内会发生潜在概 念性的变化 ,这可能会降低分类模型的预测精度. 针对数据流的特性 ,提出一种能够识别并适应概念漂移发生的在 线分类算法 ,实验表明它能根据 目前概念漂移的状况 , 自动地调整训练窗口和模型重建期间新样本的个数. 关键词 :数据流 ;分类 ;概念漂移 ;在线学习;决策树 中图分类号 : TP3 11. 13 　文献标识码 :A 　文章编号 (2007) A data stream classif ication methods adaptive to concept drift FU Chunyan , GE Maosong (Commonalit y Teaching Dep art ment of Comp ut er , J iamu si U niver sit y , J iamu si 154007 ,China) Abstract :At p re sent , mo st cla ssification met ho ds for dat a st ream s are develop ed wit h t he a ssump tion of st eady dat a di st ribution . However , t he dat a collect ed f ro m t he real worl d will change over a p erio d of time in t he underlying concep t s (know n a s concep t drifting) . Thi s lower s t he p redictive p reci sion of a cla ssifica tion mo del . Thi s p ap er p ropo se s a cla ssification algorit hm t hat can identif y an d adap t to occur rence s of concep t driftin g accor din g to t he charact eri stics of t he dat a st ream . Exp eriment s show t hat t he p rop o sed algorit hm dynamically adj u st s t he size of t he t rainin g win dow and t he number of new examp le s during mo del recon st ructio n accor din g to t he current rat e of concep t drifting . Key words :dat a st ream s ; cla ssification ; concep t drifting ; online lear ning ; deci sio n t ree 　　数据流分类是数据流挖掘领域中一个非常重要