融合互近邻降噪的动态数据流分类研究

摘要：

动态数据流分类挖掘应用场景逐渐增多,如何辨识出动态数据流中概念漂移和噪声信息成为数据流分类研究中的重点.因此提出一种具备噪声检测能力的动态数据流增量式分类挖掘模型解决此类问题.当动态数据流中出现样本信息与分类模型概念不相容时,采用互近邻思想检测样本是否为噪声,在此基础上用支持向量机作为学习器,通过增量式学习解决数据流中概念漂移.在两种不相容度量标准下,结合理论分析和实验,证明了所提的分类方案是有效可行的.

关键词：互近邻、增量学习、数据流分类、不确定性、概念漂移

所属期刊栏目：10

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61300170,71371012;the Key Project for Outstanding Young Talents in Higher Education Institutions of Anhui Province under Grant No.2013SQRL034ZD;the General Project in Education Department of Anhui Province under Grant No.TSKJ2014B10;the Natural Science Foundation of Anhui Province under Grunt No.1608085MF147

在线出版日期：2016-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42