數據流概念漂移檢測和不平衡數據流分類算法研究.pdf

1、隨著信息科技的飛速發(fā)展，在信用卡欺詐監(jiān)測、網絡流量監(jiān)控和在線金融交易等場景中產生了大量的數據流。這些數據流中蘊含著大量有價值的信息，為了獲取這些信息，人們開展了大量的數據流挖掘研究。與靜態(tài)數據不同，數據流中的數據具有規(guī)模大、變化多樣、高速到達等特點。因此，傳統(tǒng)的數據挖掘技術不能完全適用于數據流挖掘，需要找到合適的方法來處理數據流。另外，數據流中的數據分布會隨著時間發(fā)生變化，產生概念漂移現象，這也加大了數據流挖掘研究的難度。數據流中的概念

2、漂移檢測和數據流分類問題是數據流挖掘領域中的熱點問題之一。
　　數據流中的概念漂移檢測和數據流分類主要面臨以下的挑戰(zhàn):首先，數據流到達速度快、變化多樣且無法預知，這些變化會影響分類器的分類性能。其次，數據流也存在靜態(tài)數據中的類不平衡問題，進一步加大了處理概念漂移的難度，而且對少數類的誤分類代價一般較大，對分類器也有了更高的要求。本文主要圍繞以上問題，對數據流中的概念漂移檢測算法和數據流分類算法進行研究，主要工作包括:
　　(

3、1)提出了一種基于數據分布的概念漂移檢測算法。利用基于數據分布差異的檢測方法發(fā)現數據流中的概念漂移現象，在檢測到概念漂移之后，利用多變量檢驗方法結合存儲的歷史信息識別數據流中重復出現的漂移現象。通過對比實驗驗證本文所提出的檢測算法的性能，結果顯示，該檢測算法具有較低的誤報、漏報和檢測延遲，在和分類器結合之后，有效地提高了分類器的分類正確率，并且可以發(fā)現重現的漂移。
　　(2)提出了一種基于集成學習的不平衡數據流分類算法。該算法利用