概念漂移复杂数据流分类方法综述

来源：计算机应用杂志2023年第6期北京时间：

作者：穆栋梁, 韩萌, 李昂, 刘淑娟, 高智慧

单位：北方民族大学 计算机科学与工程学院，银川 750021

摘要：传统分类器难以应对含概念漂移的复杂类型数据流分类这一难题，且得到的分类效果往往不尽如人意。针对不同类型数据流中处理概念漂移的方法，从不平衡、概念演化、多标签和含噪声4个方面对概念漂移复杂数据流分类方法进行了综述。首先，对基于块的和基于在线的学习方式对不平衡概念漂移数据流、基于聚类和基于模型的学习方式对概念演化概念漂移数据流、基于问题转换和基于算法适应的学习方式对多标签概念漂移数据流和含噪声概念漂移数据流这四个方面的分类方法进行了分析介绍；然后，对所提到概念漂移复杂数据流分类方法的实验结果及性能指标进行了详细的对比和分析；最后，给出了现有方法的不足和下一步研究方向。

关键词：数据流分类,复杂数据流,概念漂移,不平衡数据流,概念演化

基金资助：国家自然科学基金资助项目(62062004);宁夏自然科学基金资助项目(2020AAC03216)