张　任

(浙江师范大学 数理与信息工程学院,浙江 金华 321004)



基于模糊并行约简的模糊概念漂移探测

张任

(浙江师范大学 数理与信息工程学院,浙江 金华 321004)

摘要：数据流挖掘是当前数据挖掘研究的一个热点，并且数据流的类型也不尽相同。利用模糊粗糙集和F-粗糙集的基本原理和基本方法，提出了一种对模糊型数据流进行模糊并行约简、删除冗余属性的方法，并运用模糊并行约简中属性重要性的变化探测模糊概念漂移现象。有别于传统方法，该方法利用模糊数据的内部本质特性对模糊概念漂移进行探测，并且通过实例验证其探测模糊概念漂移的可行性和有效性。

关键词：模糊数据流；概念漂移；模糊粗糙集；F-模糊粗糙集；模糊并行约简

引用格式：张任. 基于模糊并行约简的模糊概念漂移探测[J].微型机与应用，2016,35(12)：55-58.

0引言

信息爆炸的今天,现实中的数据往往随着时间的变化而变化，例如，电商销售数据、微博数据、传感器数据等，这种类型的数据称为数据流[1]。数据流具有按照时间顺序排列、快速变化、连续、海量甚至无限且可能出现概念漂移现象等特征[2-3]。探测概念漂移常用的技术是滑动窗口技术[1]。参考文献[4-6]对单个的数据块或单棵决策树进行冗余属性删除，没有从整体上考虑删除冗余属性问题，再检测概念漂移。参考文献[7]从整体上考虑删除冗余属性问题，但是未能解决数据流中模糊属性约简问题。

粗糙集理论[8]是一种处理不相容、不精确或不完全数据的强有力工具。……