| 一种能够适应概念漂移变化的数据流分类方法 |
| |
| 引用本文： | 富春岩,葛茂松. 一种能够适应概念漂移变化的数据流分类方法[J]. 智能系统学报, 2007, 2(4): 86-91 |
| |
| 作者姓名： | 富春岩 葛茂松 |
| |
| 作者单位： | 佳木斯大学,公共计算机教研部,黑龙江,佳木斯,154007 |
| |
| 摘 要： | 目前多数的数据流分类方法都是基于数据稳定分布这一假设，忽略了真实数据在一段时间内会发生潜在概念性的变化，这可能会降低分类模型的预测精度．针对数据流的特性，提出一种能够识别并适应概念漂移发生的在线分类算法，实验表明它能根据目前概念漂移的状况，自动地调整训练窗口和模型重建期间新样本的个数．
|
| 关 键 词： | 数据流 分类 概念漂移 在线学习 决策树 |
| 文章编号： | 1673-4785（2007）04-0086-06 |
| 修稿时间： | 2007-03-20 |
A data stream classification methods adaptive to concept drift |
| |
| FU Chun-yan,GE Mao-song. A data stream classification methods adaptive to concept drift[J]. CAAL Transactions on Intelligent Systems, 2007, 2(4): 86-91 |
| |
| Authors: | FU Chun-yan GE Mao-song |
| |
| Affiliation: | Commonality Teaching Department of Computer, Jiamusi University, Jiamusi 154007,China |
| |
| Abstract: | |
| |
| Keywords: | data streams classification concept drifting online learning decision tree |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
