Resumen

La minería de flujos de datos se ha convertido en uno de los puntos calientes de la investigación en minería de datos y ha atraído la atención de muchos estudiosos. Sin embargo, la tecnología tradicional de minería de flujos de datos todavía tiene algunos problemas que resolver en el tratamiento de la deriva del concepto y la evolución del concepto. Para mitigar la influencia de la deriva y la evolución de los conceptos en la detección y clasificación de nuevas clases, este artículo propone un algoritmo de clasificación y detección de nuevas clases basado en el índice de cohesión y separación de la distancia de Mahalanobis. Los resultados experimentales muestran que el algoritmo puede mitigar eficazmente el impacto de la deriva conceptual en la clasificación y la detección de nuevas clases.

• Materias:Ingeniería electrónica Redes Inalámbricas Tecnología de sensores Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Sensor technology Signal processing computer-assisted Data processing
• Palabras claves:detección novedosa de clases, clasificación, deriva de conceptos, evolución de conceptos, algoritmo novedoso de detección de clases, tecnología tradicional de minería de flujos de datos, minería de flujos de datos, resultados experimentales, distancia de mahalanobis, minería de datos
• Keywords:novel class detection, classification, concept drift, concept evolution, novel class detection algorithm, traditional data stream mining technology, data stream mining, experimental results, mahalanobis distance, data mining