基于信息熵的动态数据流分类模型

摘要：

为了有效解决因概念漂移造成的数据流分类失败问题,提高数据流分类模型分类准确率和抗概念漂移能力,提出了一种基于信息熵和分类器池的数据流分类模型.利用滑动窗口方法将动态数据流静态化,得到容量相同的数据块;采用信息熵算法对不同数据块之间进行概念漂移检测,当发生概念漂移时对分类模型进行更新,否则继续使用原有分类模型;对于历史出现的概念所对应的分类器,使用分类器池机制对其进行保存,以备后续使用.对多种数据与不同分类模型进行比较,比较结果表明了该模型的有效性.

关键词：数据流、概念漂移、信息熵、分类器池、支持向量机模型

所属期刊栏目：35

分类号：TP181(自动化基础理论)

在线出版日期：2014-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：900-904