基于Kolmogorov不等式的数据流漂移检测方法

来源：计算机工程与应用杂志2025年第9期北京时间：

作者：韩萌, 孟凡兴, 李春鹏, 张瑞华, 何菲菲, 丁剑

单位：1.北方民族大学 计算机科学与工程学院，银川 750021 ；2.图像图形智能处理国家民委重点实验室（北方民族大学），银川 750021

摘要：在现实数据环境中，数据分布经常随着时间推移而变化，该现象称为概念漂移。概念漂移会显著影响原分类模型的性能。因此，当概念漂移出现时，分类模型需及时调整以适应数据分布变化，从而保证学习的有效性。探讨了Kolmogorov不等式在概念漂移检测领域的应用潜力。提出了一种基于错误率的Kolmogorov漂移检验策略，利用Kolmogorov不等式设计了概念漂移检测方法，并利用该算法来检测数据流中突然或逐渐出现的概念漂移。提出了一种尾部实例调整策略，减轻了漂移检测样本集中旧实例的影响，从而进一步降低了漂移检测延迟。实验表明，与经典或先进的漂移检测器相比，提出的算法在分类准确率方面表现最佳。在漂移检测性能方面，提出的算法在误检率和检测延迟方面的表现均位于前列，达到了较好的平衡。在运行时间方面也表现出了良好的性能。在上述四个指标的总体比较中优于其他算法，达到了该研究的预期。

关键词：概念漂移,漂移检测,数据流,分类,Kolmogorov不等式