刘轩 安喜彬 王忠

（火箭军工程大学研究生院 陕西省西安市 710025）

随着传感器硬件、网络技术的不断发展，产生了大量的实时观测数据，并且数据流传输的速度和体积都不断增加[1-3]。数据流相比于传统的数据模型，具有观测速度快、数据量大、难以存储的特点。数据流数据挖掘技术通常采用增量处理的方式完成数据分析，数据模型通过数据流不断的完成更新，并可用于实时预测新数据[4-6]。因此，数据流挖掘技术正逐渐成为研究热点[7,8]。

数据分类是数据流挖掘中一个重要的应用方向，目的在于从数据流中利用增量学习的方法训练完成一个从观测量到类标的映射关系，以便于对新数据进行分类预测，如垃圾邮件分类、银行个人信用等级评估等。针对数据流分类问题，Domings[9]等人提出了一种建立决策树的增量式Hoeffding树算法（Hoeffding Tree, HT），算法仅需要对数据流内的数据访问一次，就可以建立决策树。该算法基于Hoeffding不等式仅依靠部分少量样本就能找到概率意义上近似最优的分裂点。Hoeffding树训练过程中需要访问完整的数据流信息，故无法直接应用于网络中的分布式实时数据流，急需发展一种能处理分布式数据流的决策树算法。

本文针对基于无线传感网络的实时数据流分类问题，提出了一种分布式自适应Hoeffding树算法。本文主要贡献点如下：

（1）提出了一种基于实时数据流的分布式Hoeffding树算法(DHT)。网络节点通过交流一些统计信息，使得单个节点生成的Hoeffding树能有效逼近于集中式的Hoeffding树模型。……