基于代价敏感不平衡数据流分类算法

• 作者: 孙艳歌 杨艳聪 邵罕
• 来源期刊: 信阳师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 数据流 概念漂移 代价敏感 特征选择
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 应用技术研究
• 页码范围: 670-674
• 页数: 5页
• 分类号: TP311
• 字数: 3988字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0972.2019.04.028

摘要

在数据流分类学习过程中,类不平衡和概念漂移是两大挑战问题.在分析传统特征选择算法和代价敏感学习方法的基础上,将代价敏感学习算法的思想引入特征选择算法中,设计并实现了一种基于代价敏感的ReliefF剪枝的数据流分类算法,不仅能删除冗余的特征,而且适应动态变化的数据流环境.与经典的算法进行分析比较,结果表明所提算法可显著提升分类效果.