论文部分内容阅读
为有效解决概念漂移数据流分类问题，提出一种基于混合集成学习的概念漂移数据流分类方法。考虑数据分布特性与概念漂移速率这两个因素，将概念漂移的成因考虑到模型的构建中。采用混合集成学习框架，根据贝叶斯分类错误率来检测概念漂移，通过动态调整滑动窗口，实现不同类型概念漂移的自动识别。实验结果表明，对于不同类型概念漂移数据流的识别问题，该算法在抗噪和漂移检测方面均表现出良好的性能。