分段加权的概念漂移检测方法

CHEN Zhiqiang,HAN Meng,WU Hongxin,LI Muhang,ZHANG Xilong

Journal of Computer Applications（2023）

引用 0|浏览5

暂无评分

摘要

针对现有漂移检测方法无法平衡检测延迟、误报与漏报以及时空效率等问题,提出一个新的阶段转换阈值参数,在概念漂移检测中引入包含"稳定阶段-警告阶段-漂移阶段"的分段加权机制,对实例分阶段地赋予权重,并将该机制应用在双层滑动窗口中;然后基于Hoeffding不等式提出一种分段加权的概念漂移检测方法(MSDDM).在人工数据集上,相较于FHDDM、HDDM等漂移检测方法,MSDDM能够更快地检测出突变与渐变概念漂移,同时又能保持较低的误检率与漏检率;在真实数据集上,MSDDM相较于其他方法在大部分情况下都具有最高的分类准确率.实验结果表明,MSDDM能够以较高的漂移检测性能和较优的时空效率检测出数据流中的概念漂移.

查看译文

关键词

data stream,concept drift,drift detection,sliding window,multi-stage weighting mechanism

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要