面向概念漂移數(shù)據(jù)流的分類算法研究.pdf

1、在信息通信技術(shù)如此發(fā)達的今天，氣象監(jiān)控、網(wǎng)絡(luò)安全、電子商務(wù)等眾多應(yīng)用領(lǐng)域都產(chǎn)生了龐大的數(shù)據(jù)流，這些數(shù)據(jù)流中蘊含著大量有價值的信息，而傳統(tǒng)的靜態(tài)數(shù)據(jù)挖掘技術(shù)已無法適應(yīng)高速、連續(xù)、無限、多變的數(shù)據(jù)流，研究適合、高效的數(shù)據(jù)流挖掘技術(shù)已成為數(shù)據(jù)挖掘領(lǐng)域的熱點。分類是數(shù)據(jù)挖掘的一個重要分支，與之對應(yīng)的數(shù)據(jù)流分類挖掘，更是亟待深入分析并具有現(xiàn)實意義的研究方向。數(shù)據(jù)流動態(tài)多變的特性使得其中隱含的目標(biāo)或規(guī)律可能會隨著時間或環(huán)境的改變而變化，即發(fā)生概念漂

2、移。另一方面，在無線傳感器網(wǎng)絡(luò)、信用卡欺詐檢測、網(wǎng)絡(luò)監(jiān)控等大量現(xiàn)實應(yīng)用數(shù)據(jù)流中的數(shù)據(jù)項，由于設(shè)備精度、重復(fù)抽樣、數(shù)據(jù)過時、隱私等原因，通常具有不同程度的不確定性，并不是已知并精確的。
　　本文主要針對數(shù)據(jù)流分類中的概念漂移和數(shù)據(jù)不確定性這兩個問題展開研究。針對數(shù)據(jù)流中概念會重復(fù)出現(xiàn)、歷史概念和當(dāng)前概念存在著一定的聯(lián)系以及概念間的相互轉(zhuǎn)換關(guān)系等特點，提出了ECA-RC算法。該算法運用集成分類的思想處理數(shù)據(jù)流中的概念漂移，但在學(xué)習(xí)過程

3、中不會將暫時失效的概念及對應(yīng)基分類器刪除，而是把它們的基本信息存儲起來，方便以后調(diào)用。考慮到永久存儲全部歷史信息占用的內(nèi)存量較大，采用周期性刪除出現(xiàn)頻率較低的歷史分類信息。另外，可根據(jù)概念間的轉(zhuǎn)換關(guān)系預(yù)測即將到來的概念，在提高分類精度的同時又提高了時間效率。
　　使用傳統(tǒng)數(shù)據(jù)流分類算法處理數(shù)據(jù)流中存在的不確定數(shù)據(jù)項時，得到的結(jié)果往往不盡如人意。為有效利用數(shù)據(jù)流中的不確定信息，提出了一種針對不確定數(shù)據(jù)流的集成分類算法ECA-UCD，