概念漂移检测相关论文
在真实应用场景下,数据往往以流的形式持续到达,流数据由于环境的动态变化可能会存在概念漂移的现象,即流数据中的概念会随时间推......
边缘计算模式通过在网络边缘侧对终端设备产生的数据进行存储和运算,减少了数据发生端与云端的交互,相对于云计算模式能进行更快的......
作为数据挖掘技术的研究前沿,数据流具有实时连续、高速到达以及动态变化等特点,在如无线传感器网络、金融分析市场、网络入侵检测......
随着信息技术的迅猛发展,在网络监控、电信数据管理和金融服务等领域源源不断地产生新数据。具有海量、连续、多变及潜在无限性等......
随着信息科技的飞速发展,在信用卡欺诈监测、网络流量监控和在线金融交易等场景中产生了大量的数据流。这些数据流中蕴含着大量有......
近年来,移动互联网、物联网等技术高速发展,各种形式的网络应用走进日常生活中,例如移动支付,传感器网络等。这些应用每天都在处理......
概念漂移问题是指学习模型试图预测的?标变量的统计特性会随着时间的推移以不可预见的?式发?变化。在?前?数据时代背景下,各种不同......
聚类是一种通用的数据探索方法。k均值类型的聚类算法适用于高效处理大数据聚类。但是,这些算法需要提前确定簇的数量,并且需要指......
计算机数据存储、传输、处理能力的提高,使工作流管理系统、业务流程管理系统等信息系统数据量显著增加,如何高效使用相关数据挖掘......
文章针对概念漂移检测分类器很难维持较高的分类性能,存在错误检测和延迟检测等问题,提出了一种基于信息熵的概念漂移检测算法。首......
数据挖掘是知识发现的一种重要工具,它的目的是发现隐含在大量数据中有价值的模式信息。异常检测在数据挖掘的四大任务中占据着非......
聚类学习是机器学习的一个重要研究内容,被广泛应用于金融欺诈、医疗诊断、图像处理、信息检索和生物信息学等领域.目前,不同类型......
