一种能够适应概念漂移变化的数据流分类方法

• 作者: 富春岩 葛茂松
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 数据流 分类 概念漂移 在线学习 决策树
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 86-91
• 页数: 6页
• 分类号: TP311.13
• 字数: 5430字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2007.04.015

摘要

目前多数的数据流分类方法都是基于数据稳定分布这一假设,忽略了真实数据在一段时间内会发生潜在概念性的变化,这可能会降低分类模型的预测精度.针对数据流的特性,提出一种能够识别并适应概念漂移发生的在线分类算法,实验表明它能根据目前概念漂移的状况,自动地调整训练窗口和模型重建期间新样本的个数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	富春岩	佳木斯大学公共计算机教研部	59	98	5.0	7.0
2	葛茂松	佳木斯大学公共计算机教研部	26	50	4.0	5.0