文献类型：期刊文章

作　　者：孙艳歌[1] 陈旭生[1] 邵罕[1] 林彦[1]

SUN Yange;CHEN Xusheng;SHAO Han;LIN Yan(College of Computer and Information Technology/Henan Key Lab.of Analysis and Applications of Education Big Data,Xinyang Normal University,Xinyang 464000,China)

机构地区：[1]信阳师范学院计算机与信息技术学院/河南省教育大数据分析与应用重点实验室,河南信阳464000

出　　处：《信阳师范学院学报（自然科学版）》

基　　金：国家自然科学基金项目(61702550,31900710);河南省高等学校重点科研项目(20B520030);河南省高校科技创新团队支持项目(19IRTSTHN014);河南省教师教育课程改革研究项目。

年　　份：2020

卷　　号：33

期　　号：4

起止页码：670-674

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、IC、JST、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：针对数据流环境中混合多种类型概念漂移问题,提出了基于图模型的数据流分类算法.该算法通过对数据块上的实例集进行概念表示,检测概念的变化度来衡量概念漂移,并引入了一个动态自适应阈值,为每个待分类实例合理选择基分类器模型,充分利用基分类器模型潜在的多样性并降低漂移恢复期间的分类误差.实验表明,本文提出的算法性能在多数数据集上优于其他算法,在复杂概念漂移环境下具有较好的适应性.

关 键 词：图模型 数据流 概念漂移 概念表示  自适应

分 类 号：TP311]