基于朴素贝叶斯和无监督学习的数据流分类算法

摘要：

为了有效解决数据流分类中的噪音和概念漂移问题,提出了一种基于朴素贝叶斯和无监督学习的数据流分类算法.该算法采用集成学习的思想,以朴素贝叶斯作为基分类器进行集成分类,使用谱聚类算法对数据进行聚类,通过对比分类和聚类的结果过滤噪音,同时采用假设检验μ方法检测漂移,动态更新集成分类模型,以适应概念变化.实验结果表明,该算法在时间花销和预测准确率上能够取得较好的效果.

关键词： 数据流 分类算法 朴素贝叶斯 无监督学习

作者: 韩杰 倪志伟 巨东东 倪丽萍

作者单位: 合肥工业大学 管理学院 安徽 合肥 230009;合肥工业大学 过程优化与智能决策教育部重点实验室 安徽 合肥 230009

会议类型: 国内会议

会议名称: 第十二届(2017)中国管理学年会

会议地点: 天津

会议语种:中文

页码: 1-8

在线出版日期: 2017-10-28（万方平台首次上网日期，不代表论文的发表时间）