數(shù)據(jù)流概念漂移檢測(cè)算法研究.pdf

1、隨著信息技術(shù)的迅猛發(fā)展，在網(wǎng)絡(luò)監(jiān)控、電信數(shù)據(jù)管理和金融服務(wù)等領(lǐng)域源源不斷地產(chǎn)生新數(shù)據(jù)。具有海量、連續(xù)、多變及潛在無(wú)限性等特征的數(shù)據(jù)流不僅為數(shù)據(jù)存儲(chǔ)帶來(lái)挑戰(zhàn)，也加大了知識(shí)獲取的難度。數(shù)據(jù)流中目標(biāo)概念隨著潛在信息變化而變化的現(xiàn)象稱為概念漂移，概念漂移檢測(cè)可應(yīng)用于垃圾郵件檢測(cè)、金融欺詐監(jiān)測(cè)、天氣變化預(yù)測(cè)和客戶偏好調(diào)查，具有很高的應(yīng)用價(jià)值。
　　針對(duì)概念漂移檢測(cè)，已有的工作主要采用基于規(guī)則、決策樹(shù)、樸素貝葉斯和支持向量機(jī)等方法。通過(guò)計(jì)算概

2、率分布的特性和分類精度來(lái)檢測(cè)漂移，在概念刻畫(huà)和分類方法上仍然可以做出改進(jìn)。因此，本文針對(duì)數(shù)據(jù)流中的漂移檢測(cè)問(wèn)題展開(kāi)研究。論文主要工作如下：
　　（1）概述面向數(shù)據(jù)流的概念漂移檢測(cè)算法普遍存在的問(wèn)題，分析其優(yōu)缺點(diǎn)，提出本文算法的突破口和所要實(shí)現(xiàn)的目標(biāo)。
　　（2）數(shù)據(jù)流概念漂移檢測(cè)的性能依賴于概念刻畫(huà)的精度，已有的算法主要基于單窗口機(jī)制，窗口間有序而窗口內(nèi)無(wú)序，丟失了概念內(nèi)的時(shí)序特征。針對(duì)此問(wèn)題，研究并提出了一種基于序列比對(duì)的

3、概念漂移檢測(cè)算法CDD_BSA。該算法采用滑動(dòng)窗口機(jī)制，改進(jìn)Needleman-Wunsch算法作為相鄰窗口的概念相似性度量指標(biāo)。實(shí)驗(yàn)表明：與已有的代表性的概念漂移檢測(cè)算法比較，該算法刻畫(huà)概念更加細(xì)致，可以適應(yīng)不同類型、不同速率的概念漂移。
　　（3）基于單窗口機(jī)制的概念漂移檢測(cè)算法受窗口規(guī)模影響很大，窗口過(guò)大不適應(yīng)新的目標(biāo)概念；窗口過(guò)小導(dǎo)致目標(biāo)概念學(xué)習(xí)數(shù)據(jù)不完備。針對(duì)這一問(wèn)題，本文提出一種基于動(dòng)態(tài)窗口的概念漂移檢測(cè)算法CDD_B