基于代价敏感不平衡数据流分类算法

作者：孙艳歌; 邵罕; 杨艳聪数据流概念漂移代价敏感特征选择

摘要：在数据流分类学习过程中,类不平衡和概念漂移是两大挑战问题.在分析传统特征选择算法和代价敏感学习方法的基础上,将代价敏感学习算法的思想引入特征选择算法中,设计并实现了一种基于代价敏感的ReliefF剪枝的数据流分类算法,不仅能删除冗余的特征,而且适应动态变化的数据流环境.与经典的算法进行分析比较,结果表明所提算法可显著提升分类效果.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社