基于特征漂移的数据流集成分类方法

摘要：

为构建更加有效的隐含概念漂移数据流分类器,依据不同数据特征对分类关键程度不同的理论,提出基于特征漂移的数据流集成分类方法(ECFD).首先,给出了特征漂移的概念及其与概念漂移的关系;然后,利用互信息理论提出一种适合数据流的无监督特征选择技术(UFF),从而析取关键特征子集以检测特征漂移;最后,选用具有概念漂移处理能力的基础分类算法,在关键特征子集上建立异构集成分类器,该方法展示了一种隐含概念漂移高维数据流分类的新思路.大量实验结果显示,尤其在高维数据流中,该方法在精度、运行速度及可扩展性方面都有较好的表现.

关键词：特征选择、特征漂移、概念漂移、数据流、互信息、集成分类器

所属期刊栏目：36

分类号：TP274(自动化技术及设备)

在线出版日期：2014-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：977-985