基于集成模型的傾斜數(shù)據(jù)流分類方法研究.pdf

1、近年來，數(shù)據(jù)流分類問題引起了廣大研究者越來越多的關(guān)注。然而，實(shí)際應(yīng)用中的數(shù)據(jù)流的類分布往往是非平衡的，即某些類(小類)的實(shí)例數(shù)量明顯少于其他類(大類)，被稱為傾斜數(shù)據(jù)流SDS(Skewed Data Streams)。通常將所關(guān)心的小類定義為正類，而大類則定義為負(fù)類。對于這種類分布不均衡的數(shù)據(jù)進(jìn)行分類時，采用傳統(tǒng)分類方法由于訓(xùn)練集中的正類實(shí)例數(shù)目稀少導(dǎo)致訓(xùn)練不充分，進(jìn)而造成正類的分類精度遠(yuǎn)遠(yuǎn)低于用戶要求。為此，本文以提高正類的分類準(zhǔn)確率

2、為豐要目標(biāo)，同時考慮數(shù)據(jù)流環(huán)境下對算法的實(shí)時性等要求，開展高效、高性能的SDS分類方法研究。在此基礎(chǔ)上，考慮到SDS環(huán)境下的概念漂移存在的普遍性，進(jìn)一步研究SDS環(huán)境下的概念漂移檢測與適應(yīng)方法。本文的主要工作如下：
　　(1)概述了數(shù)據(jù)流的定義、數(shù)據(jù)流分類問題定義及其評價(jià)標(biāo)準(zhǔn)，以及數(shù)據(jù)流中的概念漂移相關(guān)概念和處理方法等，并詳細(xì)闡述了SDS分類問題的處理方法和研究現(xiàn)狀。
　　(2)SDS分類問題要求保證較好的正類分類精度的同時

3、具有較好的時間性能。為了提高算法的時間性能，本文研究并提出了一種快速有效的SDS集成分類方法ECSDS。該算法通過設(shè)定相鄰數(shù)據(jù)塊的F1值差值大于等于某一閾值作為分類器更新標(biāo)準(zhǔn)，以此減少更新次數(shù)以提高算法效率；同時在更新分類器時引入錯分正類實(shí)例使基分類器著重學(xué)習(xí)它們，以彌補(bǔ)更新次數(shù)減少所帶來的精度下降問題。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性，即在時間性能上有顯著提高，同時具有較好的分類效果。
　　(3)針對帶有概念漂移的SDS分類問題，本文