1、通信、計算機和網絡技術的飛速發(fā)展將人類帶入信息社會，大量的數據可以用來衡量人們生活的方方面面。這些數據在給人們帶來方便的同時也使人類陷入數據的海洋中。數據挖掘就是人們用來從大量的隨機應用數據中，提取隱含的信息和知識的技術。近年來出現了許多新型應用，傳統(tǒng)的數據挖掘技術無法很好的處理這些應用數據，比如傳感器網絡、互聯網點擊流、金融數據和在線監(jiān)控事務日志等，這種新型數據形式稱為數據流。如何在有限存儲空間下，對這些數據流進行快速處理，為數據挖掘

2、的應用和研究帶來了新的機遇和挑戰(zhàn)。 為應對這些挑戰(zhàn)，本文提出了一種新的分類算法EVFDT，并將此算法運用到一個多分類器系統(tǒng)框架下，最后通過實驗驗證了EVFDT算法的效率和準確率，以及多分類器系統(tǒng)對概念漂移的數據流的良好性能。本文的主要工作如下所示： (1)在VFDT算法基礎上提出了EVFDT算法，該算法引入一種非均勻間隔剪枝的方法處理連續(xù)屬性，將算法擴展到包含連續(xù)屬性的數據流挖掘領域，并具有較高效率。 (2)使用

3、樸素貝葉斯處理決策樹的葉節(jié)點和內部節(jié)點，縮小了訓練需要的樣本空間，提高了決策樹的訓練效率。 (3)提出一個綜合分類框架，并將EVFDT算法和其它一些經典的算法構成一個系綜分類器，并提出一個檢測概念漂移的方法，以分類概念漂移的數據流。 (4)根據局部性原理提出基于準確率的賦權方法，以及使用基于權值的剪枝方法最系綜中的分類器剪枝，使系綜方法的準確率和時間效率得以提高。 (5)通過實驗驗證了EVFDT算法和集成了該算法