|
|||||
|
|
| 带重现概念漂移的不平衡数据流分类研究 | |
| 作者姓名： | 季梦遥 袁磊 |
| 作者单位： | 武汉大学人民医院 消化内科,湖北 武汉,430000;武汉大学人民医院 信息中心,湖北 武汉,4300002 |
| 基金项目： | 国家自然科学基金;湖北省自然科学基金;中央高校基本科研业务费专项;武汉大学自主科研项目;武汉大学自主科研项目;种子基金 |
| 摘 要： | 数据流广泛存在于现实应用中,重现概念漂移和数据分布不平衡性是其重要特性,它们会导致传统数据流分类器负偏离、性能下降及学习时间倍增。针对重现概念漂移和数据分布不平衡的特点,本文提出重现概念漂移不平衡数据流的随机平衡采样集成分类算法(RBSRISEA),首先用随机平衡采样算法重新平衡数据分布,之后对预处理的数据流再进行重现概念漂移探测。实验表明,RBSRISEA对重现概念漂移有较强的敏感性和泛化能力。RBSRISEA可以处理带重现概念漂移的不平衡数据流分类问题。 |
| 关 键 词： | 重现概念漂移 不平衡流数据 随机采样 集成分类器 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |