贝叶斯数据流分类算法研究
为了有效解决传统的数据分类算法不能很好的适应数据流的数据无限性和概念漂移性带来的问题,提出了一种实时的数据流的挖掘算法.贝叶斯数据流分类算法充分考虑了离散属性和连续属性的不同处理,对时间窗口内的数据进行压缩,然后根据各个时间窗口的权重,重组了压缩后的数据并在重组后的压缩数据上学习和生成了单个贝叶斯分类器.实验结果表明,该算法在分类性能、分类准确率、分类速度上优于同类算法.
数据流、分类、贝叶斯分类器、数据流分类、数据挖掘
31
TP311.13(计算技术、计算机技术)
2010-04-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
595-598