基于自适应快速决策树的不确定数据流概念漂移分类算法
CSTR:
作者:
作者单位:

1. 哈尔滨工程大学经济管理学院,哈尔滨150001;
2. 山东科技大学经济管理学院,山东青岛266590.

作者简介:

张杰

通讯作者:

中图分类号:

F830.51

基金项目:

山东省自然科学基金项目(ZR2015GM013);全国统计科研计划重点项目(2015LZ25);中国博士后基金项目(2015M581757).


Classifying algorithm for concept drifting of uncertain data streams based on adapting fast decision tree algorithm
Author:
Affiliation:

1. School of Economics and Management,Harbin Engineering University,Harbin 150001,China;
2. School of Economics and Management,Shandong University of Science and Technology,Qingdao 266590,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    由于不确定数据流中一般隐藏着概念漂移问题, 对其进行有效分类存在着很多困难. 为此, 提出一种基于自适应快速决策树的算法. 该算法基于一般决策树算法的原理, 以自适应学习规则计算信息增益, 以无标记情景学习拆分原理检测不确定数据流中的不确定数值属性, 通过自适应快速决策树节点的拆分方法将不确定数值属性转化为不确定分类属性, 以实现对不确定数据流的有效分类, 进而有效检测到其中隐含的概念漂移现象. 仿真结果验证了所提出方法的可靠性.

    Abstract:

    Because of the concept drift problem hidden in the uncertain data stream, it is very difficult to classify them effectively. Based on the general decision tree algorithm, the adaptive fast decision tree algorithm can count information gain based on the adaptive learning rule, and detect uncertain numerical attributes though the principle of the non-marking learning scene. The numerical attribute is transformed into a non-determined classification attribute by using splitting method, so classification of uncertain data stream is realized effectively. Then the concept drift phenomenon is effectively detected in the uncertain data stream. Simulation results show the reliability of the proposed method.

    参考文献
    相似文献
    引证文献
引用本文

刘志军 张杰 许广义.基于自适应快速决策树的不确定数据流概念漂移分类算法[J].控制与决策,2016,31(9):1609-1614

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-09-07
  • 最后修改日期:2015-11-15
  • 录用日期:
  • 在线发布日期: 2016-09-20
  • 出版日期:
文章二维码