基于图模型的数据流分类算法

• 作者: 孙艳歌 林彦 邵罕 陈旭生
• 来源期刊: 信阳师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 图模型 数据流 概念漂移 概念表示 自适应
• 年，卷（期）: 2020,（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
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0972.2020.04.027

摘要

针对数据流环境中混合多种类型概念漂移问题,提出了基于图模型的数据流分类算法.该算法通过对数据块上的实例集进行概念表示,检测概念的变化度来衡量概念漂移,并引入了一个动态自适应阈值,为每个待分类实例合理选择基分类器模型,充分利用基分类器模型潜在的多样性并降低漂移恢复期间的分类误差.实验表明,本文提出的算法性能在多数数据集上优于其他算法,在复杂概念漂移环境下具有较好的适应性.