位置:成果数据库 > 期刊 > 期刊详情页
数据流中概念漂移检测的集成分类器设计
  • ISSN号:1001-3695
  • 期刊名称:《计算机应用研究》
  • 时间:0
  • 分类:TP311[自动化与计算机技术—计算机软件与理论;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]北京工业大学计算机学院北京市多媒体与智能软件重点实验室,北京100022
  • 相关基金:国家自然科学基金资助项目(60496322,60496327)
中文摘要:

提出了一种称为ICEA(incremental classification ensemble algorithm)的数据流挖掘算法。它利用集成分类器综合技术,实现了数据流中概念漂移的增量式检测和挖掘。实验结果表明,ICEA在处理数据流的快速概念漂移上表现出很高的精确度和较好的时间效率。

英文摘要:

A new mining algorithm called ICEA was proposed for mining concept drifts from data streams, which used ensemble multi-classifiers to detect concept changes from the data streams in an incremental way. The experimental results show that ICEA performs higher accuracy and better time efficiency on mining concept drifts from data streams.

同期刊论文项目
期刊论文 49 会议论文 47
期刊论文 134 会议论文 68 著作 2
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049