带重现概念漂移的不平衡数据流分类研究
2019-09-10 07:22季梦遥袁磊
贵州大学学报（自然科学版） 2019年3期
季梦遥 袁磊
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;不平衡流數据;随机采样;集成分类器
中图分类号：TP311.11
文献标识码： A
