计算机应用研究 计算机工程与应用
数据流挖掘致力于在无垠的数据流中挖掘有价值的知识，典型的数据流挖掘问题有频繁模式、聚类、分类、异常检测等。
stanford,UIUC C.Aggarwal https://wiki.engr.illinois.edu/display/cs591han/Stream+Data+Mining
数据流分类必须要解决以下关键问题：
a) 需要建立高效的数据流分类模型，即分类算法具有较小的时间、空间复杂度。要求分类算法对内存的需求量与流数据的数量无关，最好为一个适当大小的常量。
b)维数灾难： 高效的降维方法
c) 实时监测和识别数据流的变化：能识别变化的性质，区分显著变化（引起当前的分类模型无效）和噪声变化（对分类模型的影响较小，不需要盲目地响应）
d)降低更新模型对类标数据的需求量：模型的更新或重建依赖于类标已知的训练数据——类标数据