%0 Journal Article
%T 面向噪音和概念漂移数据流的集成分类算法
%A 孙刚
%A 王中心
%A 王浩
%J 中山大学学报（自然科学版）
%D 2016
%X 摘要 隐含概念漂移的数据流分类问题是数据挖掘领域研究的热点之一，而实际数据流中的噪音会影响数据流的分类质量，为此，提出一种面向噪音和概念漂移数据流的集成分类算法.该算法使用支持向量机作为基分类器，采用贝叶斯分类器过滤噪音，利用Hoeffding Bounds不等式确定的双阈值检测概念漂移，并动态地更新分类模型以适应数据流环境的变化.实验结果表明，本文提出的算法可以有效地跟踪检测含噪数据流中的概念漂移，并且具有较好的分类精度
%K 数据流
%K 噪音
%K 概念漂移
%K 分类
%K 集成模型
%U http://xwxt.sict.ac.cn/CN/abstract/abstract3485.shtml