一种面向周期性概念漂移的数据流分类算法

摘要：

数据流挖掘已在许多领域得到应用,概念漂移检测是数据流挖掘研究中的一个重点．目前关于数据流中的概念检测的研究虽然取得了很多成果，却没有充分考虑到数据流概念“周期性”出现的特点．针对周期性概念漂移的特点，提出了当“历史概念”重现时，利用对应的模型来对数据流进行分类的方法，从而减小模型更新的代价，加快分类预测的速度．实验证明这种方法提高了运行效率．

关键词： 数据流挖掘 概念漂移 周期性 分类算法

作者: 罗秀 王大玲 冯时 于戈

作者单位: 东北大学信息科学与工程学院 沈阳 110004 医学影像计算教育部重点实验室 东北大学 沈阳 110004 东北大学信息科学与工程学院 沈阳 110004

会议类型: 国内会议

会议名称: NDBC2009第26届中国数据库学术会议

会议地点: 南昌

会议语种:中文

页码: 400-405

在线出版日期: 2009-10-15（万方平台首次上网日期，不代表论文的发表时间）