基于自适应随机森林的数据流分类算法

• 作者: 安建成 张馨予 曹锐
• 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 随机森林 漂移探测器 集成分类器
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 543-549
• 页数: 7页
• 分类号: TP393
• 字数: 4586字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.03.022

摘要

自适应随机森林分类器在每个基础分类器上分别设置了警告探测器和漂移探测器,实例训练时常常会同时触发多个警告探测器,引起多棵背景树同步训练,使得运行所需的内存大、时间长.针对此问题,提出了一种改进的自适应随机森林集成分类算法,将概念漂移探测器设置在集成学习器端,移除各基础树端的漂移探测器,并根据集成器预测准确率确定需要训练的背景树的数量.用改进后的算法对较平衡的数据流进行分类,在保证分类性能的前提下,与改进前的算法相比,运行时间有所降低,消耗内存有所减少,能更快适应数据流中出现的概念漂移.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安建成	太原理工大学软件学院	34	182	8.0	11.0
2	曹锐	太原理工大学软件学院	24	100	5.0	9.0
3	张馨予	太原理工大学软件学院	1	0	0.0	0.0