期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于自适应快速决策树的不确定数据流概念漂移分类算法 被引量:5
1
作者 刘志军 张杰 许广义 《控制与决策》 EI CSCD 北大核心 2016年第9期1609-1614,共6页
由于不确定数据流中一般隐藏着概念漂移问题,对其进行有效分类存在着很多困难.为此,提出一种基于自适应快速决策树的算法.该算法基于一般决策树算法的原理,以自适应学习规则计算信息增益,以无标记情景学习拆分原理检测不确定数据流中的... 由于不确定数据流中一般隐藏着概念漂移问题,对其进行有效分类存在着很多困难.为此,提出一种基于自适应快速决策树的算法.该算法基于一般决策树算法的原理,以自适应学习规则计算信息增益,以无标记情景学习拆分原理检测不确定数据流中的不确定数值属性,通过自适应快速决策树节点的拆分方法将不确定数值属性转化为不确定分类属性,以实现对不确定数据流的有效分类,进而有效检测到其中隐含的概念漂移现象.仿真结果验证了所提出方法的可靠性. 展开更多
关键词 不确定数据流 适应快速决策树 概念漂移 数值属性 分类属性
原文传递
基于CVFDT的网络流量分类方法 被引量:2
2
作者 朱欣 赵雷 杨季文 《计算机工程》 CAS CSCD 北大核心 2011年第12期101-103,共3页
针对网络流量数据大、动态变化性高的问题,提出一种基于数据流挖掘技术——概念自适应快速决策树(CVFDT)的网络流量识别方法。CVFDT适合处理流动数据,随数据样本分布的变化更新模型,并能处理概念漂移。在具有12个最优属性特征的网络流... 针对网络流量数据大、动态变化性高的问题,提出一种基于数据流挖掘技术——概念自适应快速决策树(CVFDT)的网络流量识别方法。CVFDT适合处理流动数据,随数据样本分布的变化更新模型,并能处理概念漂移。在具有12个最优属性特征的网络流数据集上进行实验,结果表明,与朴素贝叶斯方法相比,CVFDT方法具有较好的分类效果和稳定性。 展开更多
关键词 流量分类 应用识别 概念适应快速决策树 数据流挖掘
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部