基于加权机制概念漂移的数据流GNB分类检测
作者:
刘红庆
[1]
舒底清
[2]
刘燕
[3]
黄雁
[1]
关键词:
加权机制
概念漂移
数据流
高斯
朴素贝叶斯
摘要：
为提高数据流分类检测精度和检测效率,提出一种基于加权机制概念漂移策略的数据流高斯朴素贝叶斯分类检测算法.首先,对所提算法框架进行设计,利用输入数据流直接建立信息表,并构建基于信息表的高斯朴素贝叶斯分类器;其次,利用"Kappa统计"方法建立基于加权机制的概念漂移检测方法,根据输入数据波动性,分别采取线性函数和贝叶斯(非线性)函数进行检测,并利用专家点删除和信息表来处理经常性的概念漂移,实现漂移检测精度和效率的提升;最后,通过仿真实验,显示所提算法在SEA测试集、Hyperplane数据集和SQD测试集上的分类精度分别比选取的对比算法提高分类精度10.3％、16.8％和20.5％以上,验证了所用分类检测算法的有效性.
上一篇： 多模式速度移动节点的动态距离估计方法
下一篇： 基于故障树的故障诊断专家系统设计