一种新的基于最大频繁模式的数据流在线分类预测算法
如何高效准确地对数据流数据进行分类预测是数据流挖掘领域的研究热点之一。本文提 出了一种基于全局频繁模式的数据流分类算法CBMP（Classification Based on Max-frequency Pattern），将概要数据存储于一种新的最大频繁模式分类树CMFP-Tree (Classification on Max-Frequency Pattern Tree)中，并使用模糊的方法构建分类器，在线更新概要信息与分类器， 实现了对数据流数据的即时分类预测。实验表明，CBMP 算法比CMAR 算法、CAPE 算法及 CBC-DS 算法拥有更高的预测精度与时间效率，特别是在概念漂移特征显著的情况下，该算法 的预测精度明显高于其他算法。
数据流 频繁模式 在线分类 最大频率时间窗模型
郭立超 苏宏业 缑倩雯
浙江大学智能系统与控制研究所,杭州 310027 浙江大学公共管理学院,杭州 310027
国内会议
南京
中文
1155-1167
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）