数据流决策树分类方法综述

论文摘要

数据流的特征是海量的、高速流动的、实时处理的.由于一些数据分布随着时间而改变,因此将这些数据流称为概念漂移.首先按照分类模型对数据流决策树进行分类,分为单分类决策树和集成分类决策树.单分类模型分为快速决策树、变异决策树和其他决策树算法.集成分类模型分为衍生快速决策树和随机决策树变体算法.其次介绍了概念漂移处理技术,包括概念漂移问题的描述、常见的概念漂移处理技术和用于解决概念漂移的决策树算法.接着介绍了增量模型决策树算法,最后对本文介绍的决策树算法进行分析总结.

论文目录

• 1 决策树分类方法
•   1.1 单分类决策树模型
•     1.1.1 快速决策树的衍生算法
•     1.1.2 其它类型的决策树算法
•   1.2 集成分类决策树模型
•     1.2.1 基于Hoeffding不等式的集成分类方法
•     1.2.2 随机决策树衍生的集成分类方法
• 2 数据流分类关键技术
•   2.1 概念漂移处理技术
•     2.1.1 概念漂移问题描述
•     2.1.2 常见概念漂移处理技术
•     2.1.3 解决概念漂移的决策树算法
•   2.2 增量模型处理技术
• 3 算法的分析与总结
• 4 下一步工作

文章来源

类型: 期刊论文

作者: 贾涛,韩萌,王少峰,杜诗语,申明尧

关键词: 数据流挖掘,分类,决策树,概念漂移,集成分类

来源: 南京师大学报(自然科学版) 2019年04期

年度: 2019

分类: 基础科学,信息科技

专业: 计算机软件及计算机应用

单位: 北方民族大学计算机科学与工程学院

基金: 国家自然科学基金项目(61563001)

分类号: TP311.13

页码: 49-60

总页数: 12

文件大小: 553K

下载量: 857