随着信息技术的进步和应用的需求,处理源源不断的数据流的场景无处不在,如信用卡欺诈监测、网络流量监控和在线金融交易等场景,这些数据流中往往蕴含着巨大的信息量。传统的机器学习算法大多针对离线数据反复训练模型,而数据流具有高速到达、变化多样以及规模庞大等特点,这些特点对传统的机器学习方法提出了挑战。很多场景中的数据流不仅变化多样且类别样本数量差异很大,这种数据流同时兼具动态性和不平衡性,对分类模型的准确率的影响非常大。本文围绕具有概念漂移的不平衡数据流的分类问题展开研究。本文主要工作:(1)提出一种改进的基于自适应随机森林的数据流集成分类模型。在集成分类器上设置漂移警告探测器和漂移探测器,当漂移警告探测器发出警告时,根据集成器准确率确定需要训练的背景树数量,同步训练背景学习器。当漂移探测器探测到漂移发生时,用训练好的背景学习器替换准确率低的基础学习器。引入背景学习器数量确定机制和基础学习器替换选择机制,以便更高效快速的替换效率低下的基础学习器。实验证明,改进的分类模型在保证准确率和kappa值不降低的前提下,所需要的时间更短,消耗的内存空间更少。(2)针对二分类不平衡数据流问题提出一种在线过采样方法,使不平衡的数据流在进入分类模型之前调整到相对平衡。通过设置固定大小的少数类样本滑动窗口,当数据流中的样本依次到达时,收集其中的少数类样本存放在滑动窗口中,滑动窗口中的少数类样本也会随着时间的推移而更新。在集成器训练过程中,将滑动窗口中的少数类样本按一定策略插入实时训练过程中,以达到平衡多数类的目的。(3)将少数类滑动窗口在线过采样机制与改进的自适应随机森林的数据流集成分类算法结合,处理二分类不平衡且具有概念漂移的数据流问题。在三组不同数据流上的实验结果显示,这种加入滑动窗口过采样机制的分类模型在提高了分类kappa＿t和kappa＿m值的同时,所需要的运行时间更短,消耗的内存空间更少。