作者:张新淼动态增量式数据流分类挖掘
摘要:针对当前方法对动态增量式数据流进行分类时,不能有效的去除动态增量式数据流中存在的噪声和概念漂移,且分类存在去噪性能差和分类效率低的问题,提出一种动态增量式数据流分类挖掘方法,通过设置阈值在Hoeffding Bounds不等式的基础上去除动态增量式数据流中存在的概念漂移和噪声。采用网格划分方法将动态增量式数据空间划分为多个网格,通过动态增量式数据流密度与网格密度之间的相似度,将动态增量式数据划分到对应密度的网格中,完成动态增量式数据流的分类。仿真结果表明,所提方法的去噪性能好、分类效率高。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社