KCRForest：一种基于k近邻的动态数据流新类检测算法

"基于k近邻的完全随机森林算法KCRForest旨在解决动态数据流分类中新类检测性能不足的问题。KCRForest利用已知类样本构建完全随机森林，通过叶节点平均路径长度划分样本空间，用k近邻计算样本离群值来识别新类。算法在四个UCI数据集上的实验结果显示，其新类检测性能优于或与iForest+SVM、LOF+SVM相当，分类准确率高于SENCForest。" 基于k近邻的完全随机森林算法KCRForest是针对动态数据流分类中的一个关键挑战——新类检测——而设计的。在动态数据流环境中，新类的出现是常态，而传统的分类算法可能在面对这些未见过的类别时表现不佳。KCRForest通过结合k近邻算法和完全随机森林的方法，提供了一种有效的解决方案。 首先，KCRForest利用动态数据流中的已知类样本构建了完全随机森林，这是一种集成学习方法，由多个随机生成的决策树组成。每个决策树在构建过程中，随机选择特征和样本，这样可以提高模型的多样性和泛化能力。 接着，算法依据叶节点的平均路径长度将样本空间划分为正常区域和异常区域。正常区域通常包含大部分已知类的样本，而异常区域可能包含新类或者异常样本。对于落在异常区域的样本，算法会计算它们的k近邻，通过比较这些样本的离群值来判断是否属于新类。如果样本的离群值超过预设阈值，那么该样本被标记为新类；否则，它被认为是一个已知类。 对于异常区域内的已知类样本，KCRForest通过这些样本的k近邻来获取标签分布，而在正常区域，它会采用原有的训练样本标签分布。然后，通过投票机制确定样本的最终标签。当检测到一定数量的新类样本后，算法会利用这些新信息更新模型，以更好地适应和检测未来可能出现的新类。 实验部分，KCRForest在四个UCI数据集上进行了验证，并与iForest+SVM、LOF+SVM和SENCForest等现有算法进行了对比。实验结果证明，KCRForest在新类检测性能上表现出色，与iForest+SVM和LOF+SVM相当，且其分类准确率明显优于SENCForest。 这项工作是由国家自然科学基金资助的，它不仅提供了新的算法设计，还强调了在动态数据流环境下新类检测的重要性。KCRForest算法的提出，为处理不断变化的数据环境提供了有力工具，有助于提升分类系统的鲁棒性和适应性。