Resumen

En los flujos de datos del mundo real es habitual que vuelvan a aparecer conceptos vistos anteriormente, lo que sugiere un tipo único de deriva de conceptos, conocido como conceptos recurrentes. Por desgracia, la mayoría de los algoritmos existentes no tienen en cuenta este caso. Motivados por este reto, se ha propuesto un nuevo paradigma para capturar y explotar los conceptos recurrentes en los flujos de datos. No sólo incorpora un detector de cambios basado en la distribución para manejar la deriva de los conceptos, sino que también captura los conceptos recurrentes almacenándolos en un grafo clasificador. La posibilidad de detectar las derivas recurrentes permite reutilizar los modelos aprendidos previamente y mejorar el rendimiento general del aprendizaje. Los amplios experimentos realizados con flujos de datos sintéticos y reales revelan que el enfoque funciona significativamente mejor que los algoritmos más avanzados, especialmente cuando los conceptos reaparecen.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:flujo de datos mundial, concepto, deriva del concepto, tipo de concepto, detector de cambios basado, cuenta completa, concepto visto, flujo de datos, tipo único, gráfico clasificador
• Keywords:world data stream, concept, concept drift, kind of concept, based change detector, full account, seen concept, data stream, unique kind, classifier graph