计算机研究与发展

作者：郭虎升,张羽桐,王文剑,

关键词：概念漂移, 漂移类型, 梯度提升, 漂移检测, 弹性梯度剪枝, 增量梯度生长,

随着流数据的大量涌现，概念漂移已成为流数据挖掘中备受关注且具有挑战性的重要问题.目前，多数集成学习方法未针对性地识别概念漂移类型，并采取高效的集成适应策略，导致模型在不同漂移类型上的性能参差不齐.为此，提出了一种弹性梯度集成的概念漂移适应（elasticgradientensembleforconceptdriftadaptation,EGE_CD）方法.该方法首先通过提取梯度提升残差，计算流动残差比检测漂移位点，之后计算残差波动率识别漂移类型；然后，利用学习器损失变化提取漂移学习器，结合不同漂移类型与残差分布特征删除对应学习器，实现弹性梯度剪枝；最后，将增量学习与滑动采样方法结合，通过计算最优拟合率优化学习器拟合过程，再根据残差变化实现增量梯度生长.实验结果表明，所提方法提高了模型对不同漂移类型的稳定性与适应性，取得了良好的泛化性能.

来源：2025年第5期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第5期