大数据背景下引入多重选择机制分类挖掘带概念漂移的高速数据流优化算法  

作　　者：郭锋锋[1] 

机构地区：[1]宿州职业技术学院

出　　处：《九江学院学报（自然科学版）》2019年第3期76-77,104,共3页Journal of Jiujiang University：Natural Science Edition

基　　金：安徽高校自然科学研究项目(编号KJ2019A1060)的成果之一

摘　　要：随着计算机的发展,大数据和5G时代的到来,大数据覆盖人类生活和生产的各个方面,随着数据挖掘技术不断成熟,应用也越来越广泛。随着应用领域扩大,新型非结构化数据越来越多,以数据流形式到达,因此数据流挖掘技术出现了。对于数据流分类挖掘,针对概念漂移问题引入了多重选择机制,对现有的高速数据流分类挖掘算法cvfdt进行了改进,决策树算法与统计理论相结合提出了多重选择决策树算法imprcvfdt。实验表明,改进的算法克服了cvfdt的不能检测概念漂移的问题,并且提高了分类精度和效率。

关 键 词：多重选择 概念漂移 数据流挖掘 分类精度 算法优化 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]