电子信息科学与的技术毕业论文-数据流中概念漂移检测与分类方法研究.docVIP

数据流中概念漂移检测与分类方法研究 摘要 由于现有各种机器学习算法本质上都是基于一个静态学习环境而以尽量保证学习系统泛化能力为目标的一个寻优过程，概念漂移数据流分类给机器学习带来了巨大挑战。从数据流与概念漂移、概念漂移数据流分类研究的发展与趋势、概念漂移数据流分类的主要研究领域、概念漂移数据流分类研究的新动态四个方面展开了分析，并分析了当前概念漂移数据流分类算法存在的问题。 关键词：大数据；概念漂移；增量学习；适应学习；数据流 目 录 引言 1 1 数据流与概念漂移 2 2 概念漂移数据流分类研究的发展与趋势 4 3 概念漂移数据流分类的主要研究方法 5 3.1 概念漂移数据流学习器的构建 5 3.2 概念漂移数据流学习理论的研究 7 3.3 概念漂移的检测 8 3.4 概念漂移数据流分类研究使用的数据集 9 4 概念漂移数据流分类研究的新动态 10 4.1概念漂移数据流中的类别不平衡学习问题 10 4.2 概念漂移数据流中的概念重复学习问题 11 4.3 概念漂移数据流中的半监督学习与主动学习问题 11 5 存在的问题 13 6 结束语 14 参考文献 15 引言 在社会生产和生活实践中，有一类问题是数据所包含的概念[1]可能随时间而变化。自动化生产线上，相近原因的问题产品会连续出现，然后问题产品的特征也随之发生变化；商务活动中，顾客的购买兴趣随时间而变化；网络安全中，网络的