3.3　基于数据属性的二重概念漂移检测机制

数据的属性（特征）用来描述数据最小的单元，从数据的属性分析中可以了解数据的基本信息、学习数据背后的隐含信息。在很多对数据的处理方法中，数据的清洗、数据的分类学习等都是从数据的属性分析开始的。可见，认识数据属性是一种简单而有效的数据分析处理方式。

K-means聚类不使用类别标签，而相似性的定义又是基于数据属性的，所以，K-means是基于数据属性进行聚类的。把相似度高的数据实例划分在同一个簇内，把相似度低的数据实例划分在不同簇内，使得每个数据实例仅属于K个簇中的一个，以此达到对数据实例进行分类的效果。

K-means聚类的概念漂移检测机制的算法伪代码如算法1所示。

算法1　K-means聚类的概念漂移检测机制的算法伪代码

对于数据流中出现的概念漂移的现象，采取重新构造分类器的方法可解决新窗口数据分类精度下降的问题。由于数据流中出现的可能是噪声数据，因此可采用抛弃噪声数据的方法进行处理，从而在流式数据上进行概念漂移检测，需要把数据流以窗口的形式划分为一段段的批数据。当新窗口的数据到来时，根据K-means聚类的输出结果并按照聚类的定义，分析每个实例与K个聚簇中心的关系，为每个实例找到一个归属簇。当数据流中未发生概念漂移时，几乎可以为每个实例找到一个最近的簇。但当有概念漂移发生或出现噪声时，会导致两种情况发生：一是数据流中出现较多实例且不能被任何簇覆盖，即不能划分到任何一个已有的簇中，这种情况极可能是数据流发生了概念漂移；二是数据流中的某几个实例可以划分到某一个簇中，但划分的结果是将导致该簇与其他簇有交集，这种情况表明该实例极可能是噪声数据。

该算法会检测到两种异常现象：第一种是不能划分到某个簇中的实例较多，此时极可能是类别中出现了新的概念；第二种是某些实例可以划分到某一个簇中，但划分会改变该簇的结构，使得该簇与其他簇有交集，这种情况下，这些实例可能是噪声数据，也可能是新的概念。当这样的实例个数小于预先设定的阈值uthd时，则把其当成噪声数据抛弃；若大于uthd，则很可能出现了新的概念，需要对新窗口数据重新进行聚类。