首页> 中文期刊> 《计算机科学与探索》 >融合互近邻降噪的动态数据流分类研究

融合互近邻降噪的动态数据流分类研究

         

摘要

动态数据流分类挖掘应用场景逐渐增多,如何辨识出动态数据流中概念漂移和噪声信息成为数据流分类研究中的重点.因此提出一种具备噪声检测能力的动态数据流增量式分类挖掘模型解决此类问题.当动态数据流中出现样本信息与分类模型概念不相容时,采用互近邻思想检测样本是否为噪声,在此基础上用支持向量机作为学习器,通过增量式学习解决数据流中概念漂移.在两种不相容度量标准下,结合理论分析和实验,证明了所提的分类方案是有效可行的.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号