探索基于ufft的数据流集成分类器研究

《探索基于ufft的数据流集成分类器研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、合肥工业大学硕士学位论文基于UFFT的数据流集成分类器研究姓名：甄田甜申请学位级别：硕士专业：计算机应用技术指导教师：胡学钢20100201基于UFFT的数据流集成分类器研究摘要目前很多实时系统以空前速度产生巨量的数据，这对数据挖掘方法研究一直是一种挑战。常见的数据流包括网络事务日志，电话接听记录，信用卡交易事务流，传感器记录数据流等。这些数据中潜在的知识或者机制需要我们从数据中挖掘出来。数据流庞大的体积是知识发现工具面临两大困难之一。数据流的分类已成为数据挖掘研究的热点之一，常用的处理数据流的分类算法分为两类，单分类器和集成分类器。其中，集成分类器聚集

2、多个分类器，这些具有独立预测性能的分类器通过某种方法形成最终预测结果。虽然集成分类器具有高精度等优势，但构造过程中采用了非增量式算法构建，因而造成了时间性能较差，且耗费较高空间资源。针对这些问题，本文提出了一种集成分类器优化算法。本文的主要工作如下：(1)概述了数据流挖掘的理论基础、数据处理常用算法；介绍了数据流分类算法，详细描述了集成分类器技术，并对数据流的未来进行展望。(2)针对已有的weighted-bagging模型时空性能的不足，提出一种基于UFFT的weighted—bagging算法UFFT～wb。该算法基于weighted·bagging

3、模型，以UFFT算法构建基分类器。实验表明，算法UFFTwb具有确定分割点及选择分割属性花费时间少、构建新结点占用空间小、可以增量式构建等特点，与基于C4．5算法的weighted．bagging模型相比，在保持精度的基础上，时间性能有一定程度的改进。(3)基于上述研究，实现了数据流分类原型系统。关键词：数据流；集成分类器；UFFT；wei曲ted．baggingResearchonEnsembleClassifierofDatastreamBasedonUFFTAbstractThescalabilityofdataminingmethodsiscon

4、stantlybeingchallengedbyreal-timeproductionsystemsthatgeneratetremendousamountofdataatunprecedentedrates．Examplesofsuchdatastreamsincludenetworkeventlogs，telephonecallrecords，creditcardtransactionalflows，sensoringstreams，etc．theunderlyingdatageneratingmechanism，ortheknowledgeneed

5、UStolearnfromthosedata．Theoverwhelmingvolumeofthestreamingdataisoneofchallengesthatknowledgediscoverytoolsarefacing．Classificationfordatastreamshasbecomeoneofresearchhotspotsindatamining．Theclassificationalgorithmsarecategoriedintotwoclasses：singleclassifierandensembleclassifier．

6、Classifierensemblesareaggregationsofseveralclassifierswhoseindividualpredictionsarecombinedinsomemannertoformafinalprediction．Conventionalensembleclassifiershavetheaccuracyinperformingclassificationandtheefficiencyinlearningthemodel．However，based-modlesareestablishedbynon-incre-m

7、entalalgorithm，Itarisestimeandspaceconsuming．Basedthisproblem，weproposeanewmethodtooptimizeensembleclassifier．Therearemaincontributionofthisthesisasfollows：(1)Existingeffortsondatastreamresearcharereview，whichincludingthestatisticalandcomputationalapproachesandalgorithms．Weintrod

8、ucethedatasteamclassificationalgorithm，d