论文研究基于RBF神经网络的射频功放行为模型研究.pdf

动态数据流具有数据量大、变化快、随机存取代价高、详细数据难以存储等特点，挖掘动态数据流对计算能力与存储能力要求非常高。针对动态数据流的以上特点，设计了一种基于自助抽样的动态数据流贝叶斯分类算法，算法运用滑动窗口模型对动态数据流进行处理分析。该模型以每个窗口的数据为基本单位，对窗口内的数据进行处理分析；算法采用自助抽样技术对待分类数据中的属性进行裁剪和优化，解决了数据属性间的多重线性相关问题；算法结合贝叶斯算法的特点，采用动态增量存储树来解决动态样本数据流的存储问题，实现了无限动态数据流无信息失真的静态有限存储，解决了动态数据流挖掘最大的难题——数据存储；对优化的待分类数据使用all-贝叶斯分类