一种基于UFFT的数据流分类器  

A data stream classifier based on UFFT

作　　者：甄田甜[1] 张玉红[1] 李燕[1] 王海平[1] 胡学钢[1] 

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009

出　　处：《合肥工业大学学报（自然科学版）》2011年第1期65-70,共6页Journal of Hefei University of Technology：Natural Science

基　　金：国家自然科学基金资助项目(60975034);安徽省自然科学基金资助项目(090412044);合肥工业大学科学研究发展基金资助项目(2010HGXJ0013)

摘　　要：文章提出一种基于极速决策森林(UFFT)的加权装袋算法(UFFT-wb),它采用加权装袋算法模型,以UFFT算法构建基分类器。实验表明,该算法具有确定分割点及选择分割属性花费时间少、构建新结点占用空间小及可以增量式构建等特点,与基于C4.5算法的加权装袋算法模型相比,在保持相似精度的基础上,时间性能有一定程度的改进。In this paper, a new data stream mining method called UFFT wb is proposed, which is based on the weighted-bagging model and uses the ultra fast forest tree（UFFT） algorithm to build the base classifier. Experiment results show that UFFT-wb has its own characteristics, such as the less time to choose the cut point for splitting tests, the little space to build new node, the incremental construction and so on. Compared with the weighted-bagging algorithm based on C4.5, this method is superior in the time consumption while maintaining the similar accuracy.

关 键 词：数据流 集成分类器 极速决策森林 加权装袋算法 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]