自适应概念漂移的在线集成分类器

摘要：

数据流挖掘要求算法能快速地响应、占用少量内存和自适应概念漂移.根据以上要求提出一种自适应概念漂移的基于Hoeffding 树在线Bagging分类算法.利用统计学理论,检验分类模型在自适应窗口内数据的分类精度是否落入真实错误率的单侧置信区间,由检测结果决定更新Hoeffding树或重建新Hoeffding树.实验结果表明,该算法在处理带有概念漂移的数据流上表现出较高的分类精度.

关键词：数据流、概念漂移、Hoeffding树、在线Bagging

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2011-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：74-76