增量式概念漂移适应与收敛

• 作者: 邓大勇 吴越 刘月铮
• 来源期刊: 浙江师范大学学报（自然科学版）
• 关键词: 粗糙集 增量式学习 规则获取 概念漂移
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机
• 页码范围: 156-163
• 页数: 8页
• 分类号: TP393
• 语种: 中文
• DOI: 10.16218/j.issn.1001-5051.2021.02.006

摘要

概念漂移是数据流挖掘的一个研究热点与难点,判断认知收敛是研究盲区.粗糙集已被应用于概念漂移探测,但存在适应性问题,缺少增量式概念漂移的相关研究.针对上述问题,运用粗糙集理论,从单条决策规则和整体决策系统的角度出发,引入决策优势函数与漂移度,对增量式概念漂移的适应与认知收敛问题作了较为深入的研究,提出一种基于决策支持度阈值的增量式规则更新算法.理论分析与仿真实验表明:新算法在适应概念漂移和学习新知识时较其他算法更为敏感且高效,对概念飘移的研究策略有效可行.