A review on concept evolution technique on data stream

Gurjar, Gajendra Singh; Chhabria, S. A.

doi:10.1109/pervasive.2015.7087172

Cited by 9 publications

(2 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Unlike static batch data, data streams are the sequences of continuous arriving data instances consisting of multiple infinite and fast evolving data series [2]. In recent years, data stream mining has been extensively studied in growing fields of multidisciplinary research including data bases [3], artificial intelligence, machine learning, automated scientific discovery, statistics, decision making and so on [4].…”

Section: Introductionmentioning

confidence: 99%

A Fuzzy Drift Correlation Matrix for Multiple Data Stream Regression

Song

Zhang

et al. 2020

2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE)

View full text Add to dashboard Cite

How to handle concept drift problem is a big challenge for algorithms designed for the data streams. Currently, techniques related to the concept drift problem focus on single data stream. However, it normally needs to handle multiple relevant data streams in the real-world application. Current concept drift methods can not be directly used in the multistream setting. They can only be limitedly applied on each stream separately, which omits the drift correlation between streams. In the multi-stream scenario, when drift occurs in a stream, other streams may face or have faced a similar drift problem as well. This pattern of simultaneous or delayed occurrence of drift is critical to analyze and predict multiple streams as a whole dynamic system. To fill the gap in the multi-stream scenario, this paper proposes a fuzzy drift variance (FDV) to measure the correlated drift patterns among streams. FDA is able to present how the pattern of drift occurrence for any two streams correlates and how delayed this correlation is. Seven synthetic streams are designed to validate FDA. The experimental results show a good presentation ability of FDA for drift-correlated multiple streams.

show abstract

Section: Introductionmentioning

confidence: 99%

A Fuzzy Drift Correlation Matrix for Multiple Data Stream Regression

Song

Zhang

et al. 2020

2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE)

View full text Add to dashboard Cite

show abstract

“…Por exemplo, considerando o problema de classificação do comportamento de motoristas (i.e., prudente e imprudente), então o conceito de evolução ocorre quando surge uma nova classe de modo de condução, tal como, a que é praticada por motoristas com déficit técnico (popularmente conhecidos como "barbeiros"). Este problema é abordado de forma limitada pelas técnicas de classificação em fluxo de dados atualmente disponíveis [107], [108], [111]. …”

Section: Limitações E Discussãounclassified

Detecção Móvel E Online De Anomalia Em Múltiplos Fluxos De Dados: Uma Abordagem Baseada Em Processamento De Eventos Complexos Para Detecção De Comportamento De Condução

VASCONCELOS¹

View full text Add to dashboard Cite

Ao meu irmão Rafael por ter insistido que ingressasse no doutorado.Ao meu grande amigo Luciano que embarcou comigo rumo ao Rio.Ao CNPq e à PUC-Rio, pelos auxílios concedidos, sem os quais este trabalho não poderia ter sido realizado.Aos meus amigos do LAC e da PUC, principalmente, Bruno e Roriz.Brunão, obrigado pelo acolhimento e atenção.Ao meu orientador Markus Endler pelas orientações, revisões, críticas e conselhos, ao professor Methanias Colaço pelas orientações, sugestões e contribuições.Aos meus pais pelo investimento em minha educação. Contudo, faço um agradecimento especial à minha grande mãe, uma leoa, que mesmo nos momentos mais difíceis, jamais deixou de investir no bem mais valioso que ela dizia que poderia me dar, minha formação.A Camila, minha amada esposa, sem você talvez eu não terminasse essa jornada. Suportou a distância e a ausência física durante os dois primeiros anos.Em meio ao caos, você foi capaz de serenamente me ouvir, aconselhar, motivar e tem conseguido me aturar por quatro anos e meio. Te amo.Ao meu sogro, Carlos Alberto, pelas conversas, conselhos, amparo e cuidado, principalmente nos momentos difíceis. Muito obrigado ao senhor e à toda família.Ao grande arquiteto do universo por permitir viver cada uma das dificuldades e aprender com os erros. Graças a sua infinita sabedoria chego ao fim dessa etapa da vida uma pessoa melhor. Dirigir é uma tarefa diária que permite uma locomoção mais rápida e mais confortável, no entanto, mais da metade dos acidentes fatais estão relacionados à imprudência. Manobras imprudentes podem ser detectadas com boa precisão, analisando dados relativos à interação motorista-veículo, por exemplo, curvas, aceleração e desaceleração abruptas. Embora existam algoritmos para detecção online de anomalias, estes normalmente são projetados para serem executados em computadores com grande poder computacional. Além disso, geralmente visam escala através da computação paralela, computação em grid ou computação em nuvem. Esta tese apresenta uma abordagem baseada em complex event processing para a detecção online de anomalias e classificação do comportamento de condução. Além disso, objetivamos identificar se dispositivos móveis com poder computacional limitado, como os smartphones, podem ser usados para uma detecção online do comportamento de condução. Para isso, modelamos e avaliamos três algoritmos de detecção online de anomalia no paradigma de processamento de fluxos de dados, que recebem os dados dos sensores do smartphone e dos sensores à bordo do veículo como entrada. As vantagens que o processamento de fluxos de dados proporciona reside no fato de que este reduz a quantidade de dados transmitidos do dispositivo móvel para servidores/nuvem, bem como se reduz o consumo de energia/bateria devido à transmissão de dados dos sensores e possibilidade de operação mesmo se o dispositivo móvel estiver desconectado. Para classificar os motoristas, um mecanismo estatístico utilizado na mineração de documentos que avalia a importância de uma palavra em uma coleção de document...

show abstract