已閱讀1頁，還剩64頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、數(shù)據(jù)流中概念漂移的產(chǎn)生不僅僅會引起分類結(jié)果的變化而且會引起分類器模型的變化。本文針對這一問題提出了一種基于決策樹知識整合的處理方法KIDDT(KnowledgeIntegrationDynamicDecisionTree)。該方法考慮在數(shù)據(jù)流中截取適當(dāng)?shù)臄?shù)據(jù)塊兒來構(gòu)造部分決策樹知識模式,然后對這些部分知識模式進行知識整合。整合過程將系綜分類算法中的加權(quán)思想應(yīng)用于屬性的選擇中以處理概念漂移問題。整合后的知識模式即最終決策樹綜合了多個分類器
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)據(jù)流的分類算法研究.pdf
- 基于EP的數(shù)據(jù)流分類算法研究.pdf
- 基于eEP的數(shù)據(jù)流分類算法研究.pdf
- 基于CAPE的數(shù)據(jù)流分類算法研究.pdf
- 數(shù)據(jù)流系綜分類算法研究.pdf
- 基于集成分類器的數(shù)據(jù)流分類算法研究.pdf
- 數(shù)據(jù)流概念漂移檢測和不平衡數(shù)據(jù)流分類算法研究.pdf
- 適應(yīng)概念漂移的數(shù)據(jù)流分類算法研究.pdf
- 隱含概念漂移的數(shù)據(jù)流分類算法研究.pdf
- 數(shù)據(jù)流集成分類器算法研究.pdf
- 基于數(shù)據(jù)流模式表示的半懶惰式分類算法研究.pdf
- 基于窗口機制的概念漂移數(shù)據(jù)流分類算法研究.pdf
- 數(shù)據(jù)流頻繁模式和分類挖掘算法研究.pdf
- 基于數(shù)據(jù)流視角的商業(yè)流程整合研究.pdf
- 針對網(wǎng)絡(luò)數(shù)據(jù)流的實時分類算法研究.pdf
- 含有限類標(biāo)數(shù)據(jù)的數(shù)據(jù)流分類算法研究.pdf
- 基于GEP的多數(shù)據(jù)流分類壓縮并行算法研究.pdf
- 基于數(shù)據(jù)流的聚類算法研究.pdf
- 基于數(shù)據(jù)流特征選擇及分類算法的入侵檢測模型研究.pdf
- 基于增量存儲的商業(yè)數(shù)據(jù)流分類挖掘算法研究與應(yīng)用.pdf
評論
0/150
提交評論