一种基于混合集成方法的数据流概念漂移检测方法

摘要：

近年来,数据流分类问题研究受到了普遍关注,而漂移检测是其中一个重要的研究问题.已有的分类模型有单一集成模型和混合模型,其漂移检测机制多基于理想的分布假设.单一模型集成可能导致分类误差扩大,噪音环境下分类效果受到了一定影响,而混合集成模型多存在分类精度和时间性能难以两者兼顾的问题.为此,基于简单的WE集成框架,构建了基于决策树和bayes混合模型的集成分类方法WE-DTB,并利用典型的概念漂移检测机制Hoeffding Bounds和μ检验来进行数据流环境下概念漂移的检测和分类.大量实验表明,WE-DTB能够有效检测概念漂移且具有较好的分类精度及时空性能.

关键词：数据流、概念漂移、分类、噪音

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金课题60975034;安徽省自然科学基金课题090412044

在线出版日期：2012-04-27（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：152-155,181