Abordagem Espacial via Quadtree para Detecção de Mudança de Conceito em Fluxos de Dados Contínuos

Abstract

No aprendizado online nem sempre os dados se comportam de forma estacionária. Monitorar e detectar as mudanças no fluxo de dados para preservar o desempenho do algoritmo de aprendizado é um desafio. Este trabalho apresenta um método de detecção de mudança de conceito baseado na estrutura de divisão recursiva do espaço da quadtree. Diferentemente dos métodos de detecção baseados em técnicas estatísticas, o modelo proposto utiliza da disposição espacial dos dados para detectar mudanças de conceito. Experimentos utilizando bases de dados reais e sintéticas foram realizados para confrontar nossa proposta com outros métodos do estado da arte, mostrando resultados promissores.