基于McDiarmid边界的自适应加权概念漂移检测方法

作者：胡阳; 孙自强^*

来源：华东理工大学学报, 2023, 49(03): 419-428.

DOI：10.14135/j.cnki.1006-3080.20211215002

• 概念漂移
• 主动检测方法
• 数据流分类
• McDiarmid边界
• 衰减算法

针对概念漂移主动检测方法检测延迟高，易出现漏检、误报的问题，提出了一种基于McDiarmid边界的自适应加权概念漂移检测方法。引入衰减函数对分类结果加权，赋予旧数据更低权值，提升新数据的影响力。利用McDiarmid不等式得到加权分类正确率的置信边界，在检测到分类正确率下降超过置信边界时调节衰减因子时，实现权值的动态改变。实验主要与DDM(Drift Detection Method)、RDDM(Reactive Drift Detection Method)、HDDM(Drift Detection Method based on the Hoeffding’s inequality)、FHDDM(Fast Hoeffding Drift Detection Method)和窗口（ADWIN）算法对比，结果表明，该算法具有最低的误报率和漏检率，且平均检测延迟和正确率在6种算法中排前2。

• 单位
  华东理工大学