基于eEP的數(shù)據(jù)流分類算法研究.pdf

1、隨著信息技術(shù)的快速發(fā)展和信息搜集能力的日益提高，近些年產(chǎn)生了一種新型的具有快速、海量、變化等特性的數(shù)據(jù)，即“數(shù)據(jù)流”。這些數(shù)據(jù)流或以靜態(tài)的形式存儲(chǔ)在企業(yè)的物理存儲(chǔ)器上，或是不被存儲(chǔ)而瞬時(shí)出現(xiàn)的動(dòng)態(tài)數(shù)據(jù)。 分類是數(shù)據(jù)挖掘中的一個(gè)重要問(wèn)題，也是一種重要的數(shù)據(jù)分析形式，在傳統(tǒng)靜態(tài)數(shù)據(jù)環(huán)境中，數(shù)據(jù)分類已經(jīng)有了比較充分的研究，但是面對(duì)具有快速、海量、變化及線性訪問(wèn)等特性的數(shù)據(jù)流，數(shù)據(jù)分類面臨著新的挑戰(zhàn)。通過(guò)匯總和分析，發(fā)現(xiàn)當(dāng)前在數(shù)據(jù)流環(huán)境

2、中，已經(jīng)有文獻(xiàn)介紹相關(guān)的分類算法研究，但是，并沒(méi)有基于eEP分類的相關(guān)研究。而eEP具有良好的區(qū)分能力，并且基于eEP的分類算法可以與其他算法相媲美，同時(shí)基于eEP的分類方法已經(jīng)成功地應(yīng)用于DNA分析、文本自動(dòng)分類等領(lǐng)域。 鑒于此，本文對(duì)數(shù)據(jù)流環(huán)境下，基于eEP的分類算法進(jìn)行了深入的研究。提出一種基于eEP的數(shù)據(jù)流分類算法DSCEEP。本文的主要工作是：在總結(jié)數(shù)據(jù)流的特性和分析基于eEP傳統(tǒng)分類算法的算法思想的基礎(chǔ)上，將基本窗口

3、和滑動(dòng)窗口的概念與eEP分類算法有機(jī)地結(jié)合以適應(yīng)數(shù)據(jù)流的特性并解決概念漂移的問(wèn)題；其次在分類器構(gòu)造的過(guò)程中，提出了多分類器的“三層構(gòu)造模型”，即：eEP的挖掘和加權(quán)、基分類器的構(gòu)建、多分類器的組合；最后，在對(duì)未知樣本分類的過(guò)程中，結(jié)合數(shù)據(jù)流挖掘分析多考慮最近最新數(shù)據(jù)的特點(diǎn)，對(duì)不同的基分類器賦予不同的權(quán)值，并提出了多分類器“董事會(huì)股權(quán)投票”策略，從而提高分類的準(zhǔn)確率。 經(jīng)過(guò)實(shí)驗(yàn)對(duì)比和性能分析可以看出，本文提出的DSCEEP算法能較