买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京邮电大学申请的专利一种具有概念漂移检测功能的集成学习分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119884959B 。

龙图腾网通过国家知识产权局官网在2025-06-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510362980.8，技术领域涉及：G06F18/243；该发明授权一种具有概念漂移检测功能的集成学习分类方法及系统是由李潇剑;潘甦设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种具有概念漂移检测功能的集成学习分类方法及系统在说明书摘要公布了：本发明公开了一种具有概念漂移检测功能的集成学习分类方法及系统，涉及机器学习与数据流处理技术领域，包括：获取可扩展的滑动窗口的高维数据，采用主成分分析PCA对可扩展的滑动窗口的高维数据进行降维，提取得到关键特征数据；基于自适应窗口预警检测方法对关键特征数据进行实时监测，在漂移预警时自动扩展自适应窗口，并获取发生概念漂移时的自适应窗口的原始数据；将发生概念漂移时的自适应窗口的原始数据输入至预先建立的基于集成霍夫丁树的学习模型，得到训练后的基于集成霍夫丁树的学习模型，基于训练后的基于集成霍夫丁树的学习模型进行数据流的实时分类，能够提升流数据分类的准确性，并增强模型对概念漂移的自适应能力。

本发明授权一种具有概念漂移检测功能的集成学习分类方法及系统在权利要求书中公布了：1.一种具有概念漂移检测功能的集成学习分类方法，其特征在于，方法包括以下步骤：获取可扩展的滑动窗口的高维数据，采用主成分分析PCA对可扩展的滑动窗口的高维数据进行降维，提取得到关键特征数据；基于自适应窗口Kolmogorov-Smirnov预警检测方法对关键特征数据进行实时监测，判断是否发生概念漂移，若发生概念漂移，则获取发生概念漂移时的自适应窗口的原始数据，并自动扩展自适应窗口，若未发生概念漂移，自适应窗口进行正常滑动；其中，所述自适应窗口的原始数据为网络流量数据，所述网络流量数据被分为正常流量和异常流量；基于自适应窗口Kolmogorov-Smirnov预警检测方法对关键特征数据进行实时概念漂移检测的过程如下：对提取的关键特征数据的k个维度，分别计算累积分布函数差异的统计量Di及对应的pi值，再根据每个主成分的方差贡献率Vi加权得到全局漂移显著性分数p，设定显著性水平α作为概念漂移判定阈值，并定义预警阈值β；若p≤α，认为发生了数据概念漂移，系统将清除历史窗口数据，并使用自适应窗口数据重新训练集成Hoeffding树模型；若α＜p≤β，则认为发生了漂移预警，系统自动进入弹性缓冲阶段，动态扩展自适应窗口以积累潜在漂移样本；若p＞β，则认为未发生漂移，继续滑动窗口更新数据；将发生概念漂移时的自适应窗口的原始数据输入至预先建立的基于集成Hoeffding树的学习模型，得到训练后的基于集成Hoeffding树的学习模型，基于训练后的基于集成Hoeffding树的学习模型进行数据流的实时分类；预先建立的基于集成Hoeffding树的学习模型通过基于主树与多子树架构进行集成，其中，主树使用完整指标集训练确保全局特征覆盖，子树通过随机选择部分指标维度生成差异化分类器，主树与多子树均基于基尼增益差值与Hoeffding边界动态判断节点分裂，更新树结构以捕捉特征分布变化；基于集成Hoeffding树的学习模型内集成Hoeffding树的联合决策过程如下：基于预先建立的集成Hoeffding树模型，当数据流输入模型进行预测时，综合主树T1与子树T2～Tk的预测结果，通过动态加权投票机制生成最终分类结果；决策窗口初始化：采用滑动窗口Q量化子树T2～Tk的历史决策可靠性，设定滑动窗口容量为dimpact×q，初始状态填充全1值，设子树T2～Tk初始决策正确；窗口更新规则：每当新样本输入时，子树T2～Tk对样本进行加权投票预测，若预测正确，向滑动窗口最新位填充1，否则填充0，其中子树T2～Tk正确预测标记为1，错误预测标记为0；可信度计算：当数据流到达时，统计窗口内子树T2～Tk做出正确决策的总和SumQ，可表示为公式11： 其中Q[i]表示滑动窗口Q中存储的第i个决策值；联合决策：将SumQ与预设阈值dimpact×q比较；若SumQ≥dimpact×q，判定子树T2～Tk决策可信，采用多数投票策略融合主树T1与子树T2～Tk的预测结果；若SumQdimpact×q，仅采用主树T1的输出作为最终分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。