论文部分内容阅读
为了有效解决因概念漂移造成的数据流分类失败问题，提高数据流分类模型分类准确率和抗概念漂移能力，提出了一种基于信息熵和分类器池的数据流分类模型。利用滑动窗口方法将动态数据流静态化，得到容量相同的数据块；采用信息熵算法对不同数据块之间进行概念漂移检测，当发生概念漂移时对分类模型进行更新，否则继续使用原有分类模型；对于历史出现的概念所对应的分类器，使用分类器池机制对其进行保存，以备后续使用。对多种数据与不同分类模型进行比较，比较结果表明了该模型的有效性。