基于數(shù)據(jù)流模式表示的半懶惰式分類算法研究.pdf

1、數(shù)據(jù)流是一個有時間順序的，無限的數(shù)據(jù)元素組成的連續(xù)序列并且數(shù)據(jù)元素的底層分布可能隨著時間發(fā)生變化。它具有連續(xù)、無限、高速到來和時變數(shù)據(jù)分布的特點。因此數(shù)據(jù)流環(huán)境下知識發(fā)現(xiàn)要求算法單次掃描數(shù)據(jù)，能夠適應(yīng)流數(shù)據(jù)的動態(tài)變化，占用較小的內(nèi)存和使用有限的處理時間。
　　從大規(guī)模數(shù)據(jù)中抽取模式來建立分類模型是模式挖掘的重要研究問題之一。一種可行的方法是根據(jù)模式集合建立分類模型。例如基于頻繁模式的貝葉斯分類模型，其使用在訓練集中抽取項集集合的頻

2、繁性來估計貝葉斯理論中的概率值。然而，目前基于模式的貝葉斯分類算法大多是針對靜態(tài)數(shù)據(jù)集合的，這些算法需占用較大內(nèi)存，抽取項集過程中需多次掃描整個數(shù)據(jù)集合，需較長處理時間且不能適應(yīng)數(shù)據(jù)的動態(tài)變化，因此不能用于高速動態(tài)變化與無限的數(shù)據(jù)流環(huán)境中。
　　對此本文提出一種數(shù)據(jù)流環(huán)境下基于模式的半懶惰式分類算法。算法通過在流數(shù)據(jù)上抽取所需的頻繁項集，使用頻繁項集估計貝葉斯理論中聯(lián)合概率的乘積近似值從而對待分類實例進行分類，其主要工作包括:

3、r>　　(1)提出數(shù)據(jù)流環(huán)境下頻繁模式的抽取算法，使用滑動窗口模型獲取流數(shù)據(jù);提出了結(jié)構(gòu)更為簡單的混合樹結(jié)構(gòu)用于存儲當前窗口中的項，從而提升算法處理流數(shù)據(jù)的速度并且進一步減少了內(nèi)存消耗;提出了給定范圍的模式抽取機制，從而減少了模式抽取過程中候選項集的生成。
　　(2)提出基于模式的半懶惰式數(shù)據(jù)流分類模型，使用半懶惰式學習策略，即在模型訓練階段根據(jù)當前窗口中的數(shù)據(jù)變化隨之更新混合樹結(jié)構(gòu);當待分類實例到來時才根據(jù)其中的項在混合樹結(jié)構(gòu)上