尹春勇，张帼杰

（南京信息工程大学计算机与软件学院，南京 210044）

0 引言

移动互联网、传感器网络以及人工智能技术的快速发展产生了海量的数据，称之为“大数据”，这些数据具有4V 属性［1］：规模大（Volume），聚集速度快（Velocity），类型多（Variety），价值大（Value）。目前，大数据知识挖掘问题已经受到国内外学者和研究机构的广泛关注，并且大数据挖掘技术已经得到广泛运用。2013年，Wu等［2］探讨了大数据分析的核心问题，并设计了一个大数据挖掘的核心模型；2017 年，Moreno［3］等将大数据分析技术应用于智慧城市，提出了一种适用于不同智慧城市应用场景的基于物联网的通用体系结构；2019 年，Edstrom 等［4］在移动设备硬件设计过程中引入大数据挖掘技术，提出了一种低成本的自恢复视频存储系统，有效地解决了视频数据量大、计算量大带来的能耗问题。

在大型的电子商务网站交易系统、银行业务系统、网络监控、传感器网络等应用场景中，大数据都呈现出了分布式和流动性的特征［5-6］，因此，本文的研究重点是具有分布式和流动性技术特征的大数据的分类方法。流式数据也称为数据流［7］，可以看作一个有序的数据序列，具有实时、快速、连续、无限等特点，在网络监控系统中尤为常见，表现为网络流量随时间增长，并且隐藏在数据中的知识在动态变化。分布式数据流是指各个节点数据独立但是逻辑上关联的数据流［8］，也就是说，虽然数据分布在不同地理位置的局部节点上，但是这些数据有相同的属性集，将局部数据汇总到中心节点，可以学习到性能更好的全局分类器。……