異構分布式數據流分類方法研究.pdf

1、異構分布式數據流（Heterogeneous Distributed Data Stream）是指相互聯系的多個數據流，其數據來自地理上分布的數據源，且各數據源觀測不同的屬性集。目前，異構分布式數據流的應用越來越廣泛（如傳感器網絡，進程控制等）。從異構分布式數據流中提取知識的能力已變得相當重要。
　　 從異構的分布式數據流中進行知識挖掘是一個重要的研究課題，面臨著許多挑戰(zhàn)性的問題。首先，把多個節(jié)點的數據流傳送到中心節(jié)點進行數據挖

2、掘可以是一種解決問題的方法，目前的研究嘗試這樣的思路，從研究角度上對于更加深入地了解分布式數據流的挖掘特點是有意義的。其次，從技術上這種集中式的數據傳輸是不可行的，數據流的集中式挖掘缺點是顯而易見的：由于數據傳輸量大可能導致通訊問題、由于中心節(jié)點的處理數據量大可能導致計算瓶頸等。
　　 本文針對這些問題，提出了兩種方法分類異構分布式數據流，即基于BOOSTING的VHDDS分類方法和基于SPRINT的VHDDS分類方法，前者通過

3、BOOSTING技術來識別“hard”數據（即局部難分類數據），局部節(jié)點并行學習、更新模式、傳輸hard數據索引到中心節(jié)點；中心節(jié)點根據hard數據索引，收集hard數據，更新中心模式。hard數據相對較少，因此該算法能有效分散計算量，降低通訊負載。實驗結果表明：我們的算法降低了通信量，整體上具有很高的分類精度。后者采用一種分布式的挖掘架構和分塊的方式處理數據流，針對局部站點的每塊數據，在中心站點上建立相應的全局分類器。在分類器的訓練過