نیلوفر مظفری - دانشکده مهندسی دانشگاه شیراز
ستار هاشمی
علی حمزه

درسالهای اخیر داده های جریان توجه بسیاری از محققین را در حوزه های مختلف مانندشبکه های حسگر سامانه های مخابراتی، دنبال صفحات مراجعه شده توسط کاربر و بازار سهام به خود جلب کرده است از نظر هر سامانه داده های جریانی داده هایی با حجم بسیار بالا می باشند که بصورت افزایشی و با سرعت بالا به آن سامانه وارد می شوند بنابراین تحلیل هایی که روی انها انجام می پذیرد می بایست بصورت افزایشی اعملا شود از مهمترین چالشهای موجود در یادگیری داده های جریانی تغییر توزیع داده هاست که در طول زمان اتفاق می افتد به این تغییر توزیع در طول زمان تغییر مفهوم نیز اطلاق می شود نظر به اهمیت داده های نمادی در دنیای واقعی دراین مقاله روشی اماری برای تشخیص تغییر مفهوم در داده های جریانی نمادی که برچسب داده ها در انها در دسترس نمی باشد ارائه شده است روش پیشنهادی برای تشخیص تغییر مفهوم از یک تست اماری استفاده می کند که این تسبت از مفهومی به نام مارتینگل مشتق شده است.

داده های جریانی، شبکه حسگر، تست اماری، مارتینگل، نامساوی دوب