具有噪声的动态数据流集成分类方法

摘要

提出一种基于分类器相似性加权和差异性集成的数据流分类方法.用最新基分类器作为参照分类器,代表数据流中即将出现的概念,基于此分类器通过Gower相似系数求出基分类器之间的相似性,并以相似性作为基分类器权值进行加权多数投票;同时采用Q-statistic方法计算出参照分类器与其他基分类器之间的差异性,并根据差异性大小淘汰较弱基分类器保持集成分类模型多样性.最终构建的集成模型在标准仿真数据集上进行实验仿真.结果表明:在对隐含噪声的动态数据流进行分类时,该方法分类准确率比传统集成分类方法约提高11%,具有良好的分类准确率和抗噪稳定性.