面向概念漂移集成分类的三支决策优化方法

徐健锋，辛 朋，薛国泽，杨迎方

(1. 南昌大学 信息工程学院 江西 南昌 330031； 2. 南昌大学 软件学院 江西 南昌 330047； 3. 同济大学 电子与信息工程学院 上海 201804)

0 引言

随着互联网的快速发展，许多行业领域每时每刻都会产生海量的数据，它们通常以数据流[1]的形式产生和到达。随着数据流的高速产生，其数据分布会发生改变，将这种数据分布随着时间推移而发生变化的现象称为“概念漂移”[2]。如何在快速变化的数据流中有效地处理概念漂移问题，已经成为许多国内外学者研究的重要课题[3-4]。目前有关抵抗概念漂移技术的研究主要集中在三个方向：自适应基学习器[5]、单分类器设计模式[6]和多分类器集成技术[7-10]。自适应基学习器通过对传统机器学习算法加以改进，使其在复杂多变的数据流环境中具有较好的适应性。单分类器设计模式通常采用的方法有滑动窗口技术和样本加权，以此对数据集进行重新构造以获得良好的实时表现。多分类器集成技术被认为是处理概念漂移问题更为有效的方法，其主要思想是在不同时期的数据块上构造多个基分类器，并利用相应结合策略产生最终的分类结果。在多分类器集成过程中，基分类器应是准确且多样的[11-12]，多样性通常体现在成员间的差异性方面。基分类器差异性是指不同的基分类器对相同的实例进行分类而得到不同的类别，差异性可以通过不确定性进行度量。提升多样性的目的在于当少数分类器分类错误时，其他分类器也会在集成整合过程中纠正这个问题，从而使集成模型在复杂的数据环境中可以保持稳定的分类性能。……