[发明专利]一种动态数据环境下的数据流混合分类方法

摘要

本发明涉及智能信息处理技术领域，公开了一种动态数据环境下的数据流混合分类方法，本发明采用集成学习和混合模型框架构建数据流分类模型，可以适应数据流的海量性、实时性和动态变化性三种特点的要求，并提高数据流分类的准确率。其中，集成学习模型利用了集成学习理论相关内容，通过使用多个分类器进行分类，提高分类效果和适应数据流动态性的能力。此外，聚类方法对分类结果进行汇总，有效利用分类结果之间的内部关系，有利于提高分类准确率，减少因分类所消耗时间。

主权项

一种动态数据环境下的数据流混合分类方法，具体包括以下步骤：步骤1：动态数据流收集模块（102）从海量实时数据流（101）中按照时间顺序收集数据；步骤2：数据流划分模块（103）读取步骤1中的数据流数据，并且根据数据流数据的时间先后关系对数据流进行划分；所述数据流初始化模块（103）划分得到的数据块中，包含3类数据分别是训练集、验证集和测试集，每个数据集中所包含的数据样本数量为N；N是固定变量，由使用者提前设定；步骤3：将经过数据流划分模块（103）所得到的三种静态数据集即训练集、测试集和验证集输入到数据初始化模块（104），对静态数据集进行归一化处理；步骤4：将经过数据初始化模块（104）处理后的训练集数据输入到集成分类器模块（105）中，所述集成分类器模块（105）使用训练集数据进行训练，构建集成分类器模型；步骤5：利用参数优化模块（106）对步骤4中集成分类器模型进行参数优化；步骤6：将经过数据初始化模块（104）处理后的验证集输入到步骤5优化后的集成分类器中，得到的数据类别标签为数据集L；步骤7：将数据集L输入到聚类模块（107）中，对所使用的聚类模型进行训练；步骤8：将数据初始化模块（104）所得到的测试集数据输入到所构建的混合分类模型中，完成数据流分类过程。