在社會(huì)高速發(fā)展、信息急劇增加的大環(huán)境中,各個(gè)領(lǐng)域的數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng),數(shù)據(jù)的增量模式使得世界來(lái)到了大數(shù)據(jù)時(shí)代。對(duì)于如何從海量數(shù)據(jù)中挖掘有效信息,成為當(dāng)前社會(huì)科學(xué)的一個(gè)重要關(guān)注點(diǎn)。分類(lèi)技術(shù)是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的主要手段之一,主要思想是根據(jù)已有的數(shù)據(jù)以及標(biāo)簽訓(xùn)練分類(lèi)器來(lái)預(yù)測(cè)未知數(shù)據(jù)的標(biāo)簽。傳統(tǒng)的分類(lèi)方法用于處理靜態(tài)數(shù)據(jù),所構(gòu)造的分類(lèi)模型是固定的,不利于處理動(dòng)態(tài)變化的數(shù)據(jù)流。數(shù)據(jù)流具有數(shù)量無(wú)限,快速到達(dá),及時(shí)響應(yīng),概念漂移,不平衡等特征。如何應(yīng)對(duì)數(shù)據(jù)流特征從而進(jìn)行正確分類(lèi),是目前分類(lèi)問(wèn)題研究的重點(diǎn)。為了適應(yīng)數(shù)據(jù)流隨時(shí)變化的特點(diǎn),數(shù)據(jù)流分類(lèi)模型也要根據(jù)數(shù)據(jù)的變化做出相應(yīng)的改變,不斷進(jìn)行調(diào)整。數(shù)據(jù)流中存在概念漂移和不平衡問(wèn)題,如何有效的檢測(cè)概念漂移和不平衡,以及處理這兩種現(xiàn)象是數(shù)據(jù)流分類(lèi)需要處理解決的問(wèn)題。因此,本文根據(jù)不同的數(shù)據(jù)流處理方法,對(duì)數(shù)據(jù)流分類(lèi)問(wèn)題進(jìn)行了深入的研究,主要內(nèi)容包括以下兩個(gè)方面:（1）對(duì)數(shù)據(jù)流進(jìn)行分塊批處理,采用窗口模式,衡量分類(lèi)模型對(duì)前后兩個(gè)數(shù)據(jù)塊的分類(lèi)能力。提出了一種基于Kappa系數(shù)的概念漂移檢測(cè)和針對(duì)類(lèi)不平衡的SMOTE采樣方法相結(jié)合的動(dòng)態(tài)數(shù)據(jù)流分類(lèi)算法。該算法... 

【文章來(lái)源】：山西大學(xué)山西省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文組織結(jié)構(gòu)
第二章 數(shù)據(jù)流相關(guān)理論
    2.1 數(shù)據(jù)流概述
        2.1.1 數(shù)據(jù)流的定義與特點(diǎn)
        2.1.2 數(shù)據(jù)流的應(yīng)用
    2.2 數(shù)據(jù)流中的概念漂移
        2.2.1 概念漂移的定義與分類(lèi)
        2.2.2 概念漂移的常用處理方法
    2.3 數(shù)據(jù)流中的類(lèi)不平衡
    2.4 數(shù)據(jù)流集成學(xué)習(xí)
        2.4.1 集成學(xué)習(xí)相關(guān)理論
        2.4.2 數(shù)據(jù)流集成學(xué)習(xí)框架
    2.5 本章小結(jié)
第三章 基于動(dòng)態(tài)數(shù)據(jù)塊的非平衡數(shù)據(jù)流分類(lèi)算法
    3.1 算法介紹
    3.2 實(shí)驗(yàn)設(shè)置
    3.3 結(jié)果分析
    3.4 本章小結(jié)
第四章 基于在線學(xué)習(xí)的數(shù)據(jù)流分類(lèi)算法
    4.1 基于在線學(xué)習(xí)的數(shù)據(jù)流分類(lèi)算法
        4.1.1 Bagging算法及其改進(jìn)Online Bagging算法
        4.1.2 基于在線學(xué)習(xí)的數(shù)據(jù)流分類(lèi)算法
    4.2 實(shí)驗(yàn)設(shè)置
    4.3 結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個(gè)人簡(jiǎn)況及聯(lián)系方式


【參考文獻(xiàn)】：
期刊論文
[1]The Research of One Novel Cost-Sensitive Classification Algorithm[J]. ZHOU Jingjing,SUN Weifeng,HAN Xiaomin,LU Ruqiang,ZHANG Yuanqi,ZHANG Shenwei.  Chinese Journal of Electronics. 2018(05)
[2]基于Kappa系數(shù)的數(shù)據(jù)流分類(lèi)算法[J]. 徐樹(shù)良,王俊紅.  計(jì)算機(jī)科學(xué). 2016(12)
[3]由均勻染色導(dǎo)出的強(qiáng)Chernoff界（英文）[J]. 王濤,劉明菊,李德明.  數(shù)學(xué)雜志. 2014(06)
[4]一種不平衡數(shù)據(jù)流集成分類(lèi)模型[J]. 歐陽(yáng)震諍,羅建書(shū),胡東敏,吳泉源.  電子學(xué)報(bào). 2010(01)



本文編號(hào)：3158651