论文部分内容阅读
针对带有概念漂移的数据流的分类问题，提出一种新颖的能够识别并且适应概念漂移数据流的分类算法。该算法将原始数据流沿着时间轴划分为若干数据块后，选择第一块中有代表性的数据作为样本训练模型，从而减轻了噪声和边界对分类精度的影响，使得漂移检测能较为全面且对离群点不过于敏感；此后对随后的数据块进行分类，并依据分类结果动态修正当前分类模型。实验结果表明：该方法能够根据数据流的当前状况自动调整分类模型，快速适应数据流概念漂移的情况，并得到较好的分类效果。