概念漂移数据流挖掘算法综述-计算机科学

概念漂移数据流挖掘算法综述-计算机科学

ID:34189975

大小:1.11 MB

页数:7页

时间:2019-03-03

概念漂移数据流挖掘算法综述-计算机科学_第1页
概念漂移数据流挖掘算法综述-计算机科学_第2页
概念漂移数据流挖掘算法综述-计算机科学_第3页
概念漂移数据流挖掘算法综述-计算机科学_第4页
概念漂移数据流挖掘算法综述-计算机科学_第5页
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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。