一种基于集成的不均衡数据流分类算法

• 作者: 袁泉 赵学华 郭江帆
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 数据流 概念漂移 集成学习 不均衡
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1519-1524
• 页数: 6页
• 分类号: TP311
• 字数: 4629字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.08.025

摘要

目前数据流分类算法大多是基于类分布这一理想状态,然而在真实数据流环境中数据分布往往是不均衡的,并且数据流中往往伴随着概念漂移.针对数据流中的不均衡问题和概念漂移问题,提出了一种新的基于集成学习的不均衡数据流分类算法.首先为了解决数据流的不均衡问题,在训练模型前加入混合采样方法平衡数据集,然后采用基分类器加权和淘汰策略处理概念漂移问题,从而提高分类器的分类性能.最后与经典数据流分类算法在人工数据集和真实数据集上进行对比实验,实验结果表明,本文提出的算法在含有概念漂移和不均衡的数据流环境中,其整体分类性能优于其他算法的.

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	重庆邮电大学通信与信息工程学院通信新技术应用研究中心	22	78	5.0	8.0
3	赵学华	重庆邮电大学通信与信息工程学院通信新技术应用研究中心	3	0	0.0	0.0
6	郭江帆	重庆邮电大学通信与信息工程学院通信新技术应用研究中心	2	20	1.0	2.0