资源描述：
《概念漂移数据流挖掘算法综述-计算机科学》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第43卷第12期计算机科学Vo1.43No.122016年12月ComputerScienceDec2016概念漂移数据流挖掘算法综述丁剑韩萌李娟(北方民族大学计算机科学与工程学院银川750021)摘要数据流是一种新型的数据模型，具有动态、无限、高维、有序、高速和变化等特性。在真实的数据流环境中，一些数据分布是随着时间改变的，即具有概念漂移特征，称为可变数据流或概念漂移数据流。因此处理数据流模型的方法需要处理时空约束和自适应调整概念变化。对概念漂移问题和概念漂移数据流分类、聚类和模式挖掘等内容进行综述。首先介绍概念漂移的类型和常用概念改变检测方
2、法。为了解决概念漂移问题，数据流挖掘中常使用滑动窗口模型对新近事务进行处理。数据流分类常用的模型包括羊分类模型和集成分类模型，常用的方法包括决策树、分类关联规则等。数据流聚类方式通常包括基于k-means的和非基于k-means的。模式挖掘可以为分类、聚类和关联规则等提供有用信息。概念漂移数据流中的模式包括频繁模式、序列模式、episode、模式树、模式图和高效用模式等。最后详细介绍其中的频繁模式挖掘算法和高效用模式挖掘算法。关键词数据流挖掘，分类，聚类，模式挖掘，概念漂移中图法分类号TP311文献标识码A00110.11896/j.issn.
3、1002-137叉2016.12.004ReviewofConceptDriftDataStreamsMiningTechniquesDINGJianHANMengLIJuan(Sch∞1ofComputerScienceandEngineeri吨，BeifangUniversityofNationalities,Yinchuan750021,China)AbstractDatastreamisanewdatamodelproposedinrecentyears.Ithasdifferentcharacteristicssuchasd严laml
4、c，mfinite,highdimensional,orderly,highspeedandevolving.Insomedatastreamapplications,theinformationembeddedinthedataisevolvingovertimethathasthecharacteristicsofconceptdriftorchange.ThesedatastreamsareknoWllasevolvingdatastrearnsorconceptdriftdatastreams.Therefore,thealgorith
5、rnsthatminedatastreamshavespaceandtimerestrictions,andneedtoadaptchangeautomatically.Inthispap町，weprovidedthesurveyofconceptdriftandclassification,clusteringandpatternminingonconceptdriftdatastreams.Firstly,weintroducedthetypesanddetectionmethodsaboutconceptdrift.Inordertode
6、alwiththeconceptdrift,theslidingwindowmodelisusedtominingdatastrearn.Thedatastreamclassificationmodelincludessinglemodelandensemblemodel.Thecommonmethodsincludedecisiontree,classificationassociationrulesandsoon.Datastrearnclusteringmethodscanbedividedintok-meansbasedmethodan
7、dnot.Patternminingcanprovideusefulpatternsforclassification,clustering,associationrulesandsoO几Patternsincludefrequentpatterns,sequentialpatterns,episode,sub-tree,sub-graph,highutilitypatternsandsoon.Finally,weintroducedthefrequentpatternsandhighutilitypatternsindetail.Keywor
8、dsDatastreammining,Classification,Clustering,Frequentpatternmining,Conceptd
