1、隨著信息科技的飛速發(fā)展，在信用卡欺詐監(jiān)測、網(wǎng)絡(luò)流量監(jiān)控和在線金融交易等場景中產(chǎn)生了大量的數(shù)據(jù)流。這些數(shù)據(jù)流中蘊(yùn)含著大量有價值的信息，為了獲取這些信息，人們開展了大量的數(shù)據(jù)流挖掘研究。與靜態(tài)數(shù)據(jù)不同，數(shù)據(jù)流中的數(shù)據(jù)具有規(guī)模大、變化多樣、高速到達(dá)等特點(diǎn)。因此，傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)不能完全適用于數(shù)據(jù)流挖掘，需要找到合適的方法來處理數(shù)據(jù)流。另外，數(shù)據(jù)流中的數(shù)據(jù)分布會隨著時間發(fā)生變化，產(chǎn)生概念漂移現(xiàn)象，這也加大了數(shù)據(jù)流挖掘研究的難度。數(shù)據(jù)流中的概念

2、漂移檢測和數(shù)據(jù)流分類問題是數(shù)據(jù)流挖掘領(lǐng)域中的熱點(diǎn)問題之一。
　　數(shù)據(jù)流中的概念漂移檢測和數(shù)據(jù)流分類主要面臨以下的挑戰(zhàn):首先，數(shù)據(jù)流到達(dá)速度快、變化多樣且無法預(yù)知，這些變化會影響分類器的分類性能。其次，數(shù)據(jù)流也存在靜態(tài)數(shù)據(jù)中的類不平衡問題，進(jìn)一步加大了處理概念漂移的難度，而且對少數(shù)類的誤分類代價一般較大，對分類器也有了更高的要求。本文主要圍繞以上問題，對數(shù)據(jù)流中的概念漂移檢測算法和數(shù)據(jù)流分類算法進(jìn)行研究，主要工作包括:
　　(

3、1)提出了一種基于數(shù)據(jù)分布的概念漂移檢測算法。利用基于數(shù)據(jù)分布差異的檢測方法發(fā)現(xiàn)數(shù)據(jù)流中的概念漂移現(xiàn)象，在檢測到概念漂移之后，利用多變量檢驗(yàn)方法結(jié)合存儲的歷史信息識別數(shù)據(jù)流中重復(fù)出現(xiàn)的漂移現(xiàn)象。通過對比實(shí)驗(yàn)驗(yàn)證本文所提出的檢測算法的性能，結(jié)果顯示，該檢測算法具有較低的誤報、漏報和檢測延遲，在和分類器結(jié)合之后，有效地提高了分類器的分類正確率，并且可以發(fā)現(xiàn)重現(xiàn)的漂移。
　　(2)提出了一種基于集成學(xué)習(xí)的不平衡數(shù)據(jù)流分類算法。該算法利用