基本信息

---

下载

文档摘要

---

摘要

在气象预测、异常检测等实际应用中，数据都是以流的形式呈现，具有动态性、

无限性、不可重现性等特点，这种数据形态被称为数据流。概念漂移是指数据流中

底层数据分布随时间推移发生变化的现象，在数据流分类中普遍存在，会导致基于

历史数据训练的学习模型难以适应新的数据环境，从而降低模型的泛化性能和预测

精度。目前，现有数据流分类方法大多只针对于单一的概念漂移类型，对其他类型

的概念漂移效果较差。

在对概念漂移数据流分类技术深入分析后，发现集成学习方法能够较好的应对

概念漂移。基于此，本