基于图结构的概念漂移检测

摘要

为了解决传统的概念漂移检测方法，仅依赖错误率进行漂移检测不可靠的问题，提出一种基于图结构的概念漂移检测方法。该方法使用k关联最优图表示当前数据分布，定义样本的漂移率表示分类器与当前数据分布的不一致性，利用漂移率形成比特流，使用概念漂移检测器在比特流上检测概念漂移。通过与传统的使用错误率的概念漂移检测方法的对比和分析，结果表明在人工数据集上基分类器的准确率提高1%～5%,在真实数据集上提高1%～2%。所提出的方法有效提高概念漂移检测的准确性，帮助基分类器更好适应概念漂移。

关键词

数据挖掘 / 数据流 / 概念漂移 / 图结构 / k关联最优图