امید عباس زاده - دانشجوی دکترای دانشگاه زنجان، زنجان
علی امیری - استادیار دانشکده مهندسی کامپیوتر دانشگاه زنجان، زنجان
علیرضا خانتیموری - استادیار دانشکده مهندسی کامپیوتر دانشگاه زنجان، زنجان

جریان داده، مجموعه ای از داده های پییوسته و دنباله دار است که در سال های اخیر مدیریت و پردازش آن به طور گسترده در زمینه های مختلفی از علم کامپیوتر مطرح شده است. ویژگی های خاص داده های جریانی از جمله زیاد داده، سرعت بالای تولید و وجود تغییر مفهوم، این داده ها را از داده های سنتی متمایز کرده است. در این مقاله طبقه بندی ترکیبی را ارائه داده ایم که برای وزن دهی به طبقه بندی های پایه از دو تابع وزن دهی در شرایط مختلف ورود داده ها استفاده می کند و از شاخص جدیدی برای تشخیص تغییر در داده های جریانی استفاده کرده ایم که بر روی صحت اجرای الگوریتم تأکید دارد. حذف تعداد متغیر از طبقه بندی های پایه بر اساس کیفیت آنها از ویژگی های دیگر روش پیشنهادی است. برقراری مکانیزم وزن دهی به طبقه بندی های پایه در هنگام تصمیم گیری از سایر مزایای این الگوریتم می باشد که این کار باعث شد تا سرعت تطبیق پذیری در زمان تغییرات افزایش یابد و در نهایت کارایی طبقه بند مناسب شود. در نهایت روش پیشنهادی خود را بر روی مجموعه داده های استاندارد آزمایش کردیم که در مقایسه با طبقه بندی های ترکیبی موجود و روش های تک طبقه بند مانند درخت تصمیم از دقت و کارایی بالاتری برخوردار بود.

طبقه بندی، جریان داده، تغییر مفهوم، طبقه بندی ترکیبی