一种基于数据不确定性的概念漂移数据流分类算法-应用科学学报.pdfVIP

第 35 卷 第 5 期 应 用 科 学 学 报 Vol. 35 No. 5 2017年9月 JOURNAL OF APPLIED SCIENCES — Electronics and Information Engineering Sept. 2017 DOI: 10.3969/j.issn.0255-8297.2017.05.003 一种基于数据不确定性的概念漂移数据流分类算法 1,2 1,2 2 2 吕艳霞 ， 王翠容 ， 王 聪 ， 苑 迎 1. 东北大学 计算机科学与工程学院，沈阳 110819 2. 东北大学秦皇岛分校 计算机与通信工程学院，河北 秦皇岛 066004 摘摘摘 要要要：：： 隐私保护 、数据丢失、网络错误等原因导致 网络 中大量数据存在不确定性. 数据流 系统中数据连续不断到达系统，故不能一次性获得全部数据 ，此外数据 的概念特征经常发生变 化. 针对这种情况，构建 了一个增量式分类模型来处理数据具有不确定性 的隐含概念漂移 的 数据流分类 问题. 该模型采用非常快速决策树算法，在学习阶段使用霍夫丁边界理论迅速构建 能处理数据不确定性 的决策树模型；在分类阶段将加权 贝叶斯分类器应用于决策树 的叶子节 点，以提高不确定数据分类 的准确率；采用滑动窗 口技术和替换树来处理数据流 中的概念漂 移现象. 实验表 明，无论对人工数据还是实际数据 ，该算法均有较高的分类准确率和执行效率. 关键词：数据不确定性；数据流；决策树 ；分类 ；概念漂移 中图分类号：TP311 文章编号：0255-8297(2017)05-0559-11 Data Stream Classification with Data Uncertainty and Concept Drift 1,2 1,2 2 2 LÜ Yan-xia , WANG Cui-rong , WANG Cong , YUAN Ying 1. College of Computer Science and Engineering, Northeastern University, Shenyang 110819, China 2. School of Computer and Communication Engineering, Northeastern University at Qinhuangdao, Northeastern University, Qinhuangdao 066004, Hebei Province, China Abstract: Data in the Web have much uncertainty because of privacy protection, data loss, network errors, etc. In a data stream system, data arrive continuously and therefore one cannot obtain all data in any time. In addition, the concept drift often occurs in the data stream. This paper constructs an incremental classification model to deal with data stream classifica