基于支持向量数据描述的分布式数据流挖掘  

Distributed Data Stream Mining Based on Support Vector Data Description

作　　者：蔡国祯[1] 毛国君[2] 

机构地区：[1]北京工业大学计算机学院,北京100124 [2]中央财经大学信息学院,北京100081

出　　处：《计算机工程》2012年第18期34-36,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60873145)

摘　　要：针对传统分布式数据流挖掘算法的通信开销较大、分类精度较低的问题,提出一种基于支持向量数据描述的分布式数据流挖掘算法。利用局部站点快速更新数据流信息,采用支持向量机算法学习元级数据并传递到中心站点。中心站点负责接收及合并元级数据,形成全局分类结果。实验结果表明,该算法能在降低局部站点和中心站点网络通信量的同时,获得较高精度的全局分类结果。In distributed data stream mining,communication loads and global classification accuracy are main problems.In order to solve the problem,this paper presents a distributed data stream mining algorithm based on Support Vector Data Description（SVDD）.Local site quickly updates data stream information,gets meta-level data by Support Vector Machine（SVM）,and transmits them to central site.Central site receives and combines meta-level data,and learns global classification model.Experimental result shows that the algorithm can reduce transmission between local site and central site,and keep better classification accuracy.

关 键 词：分布式数据流 数据挖掘 支持向量数据描述 支持向量机 增量式挖掘 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]