概念漂移数据流中可探测新颖类别的分类算法

• 作者: 文益民 缪裕青 谢益均 邵其武 高韩
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 数据流 集成分类器 概念漂移 新颖类别探测
• 年，卷（期）: 2015,（6）
• 页码范围: 459-465
• 页数: 7页
• 分类号: TP301.6
• 字数: 5554字
• 语种: 中文

摘要

针对可探测新颖类别的框架将数据流分成固定大小的数据块,导致新颖类别探测的准确率较低和处理速率较慢,且均假定数据对象所有属性具有相同的权重不符合实际情况的问题,提出一种在概念漂移数据流中探测新颖类别的分类算法(DNCS).该算法通过周期检测滑动窗口中的数据分布,依据其变化动态调整数据块大小,以此更新分类模型,以适应新的数据变化.该算法框架使用基于属性权重的聚类算法作为探测新颖类别的基本步骤.实验结果表明,该算法具有更高的新颖类别探测精度和处理速率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	缪裕青	桂林电子科技大学计算机科学与工程学院	31	140	8.0	10.0
5	文益民	桂林电子科技大学计算机科学与工程学院	34	234	8.0	13.0
9	邵其武	桂林电子科技大学计算机科学与工程学院	2	5	2.0	2.0
10	谢益均	桂林电子科技大学计算机科学与工程学院	2	5	2.0	2.0
11	高韩	桂林电子科技大学计算机科学与工程学院	2	5	2.0	2.0