面向概念漂移數(shù)據(jù)流的分類(lèi)算法研究.pdf

1、在信息通信技術(shù)如此發(fā)達(dá)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(yùn)含著大量有價(jià)值的信息，而傳統(tǒng)的靜態(tài)數(shù)據(jù)挖掘技術(shù)已無(wú)法適應(yīng)高速、連續(xù)、無(wú)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(diǎn)。分類(lèi)是數(shù)據(jù)挖掘的一個(gè)重要分支，與之對(duì)應(yīng)的數(shù)據(jù)流分類(lèi)挖掘，更是亟待深入分析并具有現(xiàn)實(shí)意義的研究方向。數(shù)據(jù)流動(dòng)態(tài)多變的特性使得其中隱含的目標(biāo)或規(guī)律可能會(huì)隨著時(shí)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(wú)線傳感器網(wǎng)絡(luò)、信用卡欺詐檢測(cè)、網(wǎng)絡(luò)監(jiān)控等大量現(xiàn)實(shí)應(yīng)用數(shù)據(jù)流中的數(shù)據(jù)項(xiàng)，由于設(shè)備精度、重復(fù)抽樣、數(shù)據(jù)過(guò)時(shí)、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(duì)數(shù)據(jù)流分類(lèi)中的概念漂移和數(shù)據(jù)不確定性這兩個(gè)問(wèn)題展開(kāi)研究。針對(duì)數(shù)據(jù)流中概念會(huì)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(diǎn)，提出了ECA-RC算法。該算法運(yùn)用集成分類(lèi)的思想處理數(shù)據(jù)流中的概念漂移，但在學(xué)習(xí)過(guò)程

3、中不會(huì)將暫時(shí)失效的概念及對(duì)應(yīng)基分類(lèi)器刪除，而是把它們的基本信息存儲(chǔ)起來(lái)，方便以后調(diào)用?？紤]到永久存儲(chǔ)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(lèi)信息。另外，可根據(jù)概念間的轉(zhuǎn)換關(guān)系預(yù)測(cè)即將到來(lái)的概念，在提高分類(lèi)精度的同時(shí)又提高了時(shí)間效率。
　　使用傳統(tǒng)數(shù)據(jù)流分類(lèi)算法處理數(shù)據(jù)流中存在的不確定數(shù)據(jù)項(xiàng)時(shí)，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(duì)不確定數(shù)據(jù)流的集成分類(lèi)算法ECA-UCD，