数据流上概念漂移的检测和分类
挖掘带有概念漂移的数据流对于许多实时决策是十分重要的.本文使用统计学理论估计某一确定模型在最新概念上的真实错误率的置信区间,在一定概率保证下检测数据流中是否发生了概念漂移,并将此方法和KMM(核平均匹配)算法引入集成分类器框架中,提出一种数据流分类的新算法WSEC.在仿真和真实数据流上的试验结果表明该算法是有效的.
概念漂移、数据流挖掘、分类、集成
32
TP311(计算技术、计算机技术)
河南省自然科学基金项目2009A520025
2012-03-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
421-425