新型含噪数据流集成分类的算法

• 作者: 袁泉 郭江帆
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 数据流 噪声 概念漂移 分类算法 分类精度
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 1591-1595
• 页数: 5页
• 分类号: TP301.6
• 字数: 6853字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017122900

摘要

针对数据流中概念漂移和噪声问题,提出一种新型的增量式学习的数据流集成分类算法.首先,引入噪声过滤机制过滤噪声;然后,引入假设检验方法对概念漂移进行检测,以增量式C4.5决策树为基分类器构建加权集成模型;最后,实现增量式学习实例并随之动态更新分类模型.实验结果表明,该集成分类器对概念漂移的检测精度达到95％ ～97％,对数据流抗噪性保持在90％以上.该算法分类精度较高,且在检测概念漂移的准确性和抗噪性方面有较好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁泉	重庆邮电大学通信新技术应用研究中心	22	78	5.0	8.0
5	郭江帆	重庆邮电大学通信新技术应用研究中心	2	20	1.0	2.0