数据流的延迟标记评估
Maciej Grzenda、Heitor Murilo Gomes、Albert Bifet。最小已知数据。发现。34(5): 1237-1266 (2020)
使用学生-教师方法的无监督概念漂移检测
维托尔·塞奎拉（Vítor Cerqueira）、海托尔·穆里洛·戈麦斯（Heitor Murilo Gomes）、阿尔伯特·比费特（Albert Bifet）。DS 2020：190-204
数据流特征变换技术综述
Maroua Bahri、Albert Bifet、Silviu Maniu、Heitor Murilo Gomes。IJCAI 2020年：4796-4802
流数据的机器学习：现状、挑战和机遇
Heitor Murilo Gomes、Jesse Read、Albert Bifet、Jean-Paul Barddal、Joáo Gama。SIGKDD探索。21(2): 6-22 (2019)
用于进化数据流分类的流随机补丁
Heitor Murilo Gomes、Jesse Read、Albert Bifet。ICDM 2019:240-249
数据流回归的自适应随机森林。
Heitor Murilo Gomes、Jean Paul Barddal、Luis Eduardo Boiko Ferreira、Albert Bifet。2018年ESANN
进化数据流的极快决策树挖掘
阿尔伯特·比费特（Albert Bifet）、张嘉进（Jiajin Zhang）、魏凡（Wei Fan）、郑和（Cheng He）、张剑锋（Jianfeng Zhang，钱剑锋）、杰夫·霍姆斯（Geoff Holmes）、伯恩哈德·普法林格。KDD 2017年：1733-1742
分类器概念漂移检测和进展幻觉。
阿尔伯特·比费特。ICAISC（2）2017年：715-725
数据流分类集成学习研究综述
继承人穆里洛·戈麦斯、让·保罗·巴达尔、法比西奥·恩姆布雷克、阿尔伯特·比费特。ACM计算。Surv公司。50(2): 23:1-23:36 (2017)
用于不断发展的数据流分类的自适应随机森林
继承人穆里洛·戈麦斯、阿尔伯特·比费特、杰西·里德、让·保罗·巴达尔、法比西奥·恩姆布雷克、伯恩哈德·普夫哈林格、杰夫·霍姆斯、塔勒·阿卜杜塞勒姆。机器学习106（9-10）：1469-1495（2017）
高速数据流中的自适应模型规则
乔·杜阿尔特、乔·伽马、阿尔伯特·比费特。TKDD 10（3）:30:1-30:22（2016）
关于特征漂移数据流的动态特征加权。
Jean-Paul Barddal、Heitor Murilo Gomes、Fabrício Enembreck、Bernhard Pfahringer、Albert Biffet。ECML/PKDD（2）2016年：129-144
大数据流分类器的高效在线评估
阿尔伯特·比费特、吉安马尔科·德·弗朗西西·莫拉莱斯、杰西·里德、杰夫·霍姆斯、伯恩哈德·普法林格。KDD 2015年：59-68
MOA流挖掘系统中一种高效的闭频繁项集挖掘器
马西莫·夸德纳（Massimo Quadrana）、阿尔伯特·比费特（Albert Bifet）、里卡德·加瓦尔达（Ricard Gavaldá）。AI通讯。28(1): 143-158 (2015)
时间相关流数据分类的评价方法和决策理论
Indre Zliobaite、Albert Bifet、Jesse Read、Bernhard Pfahringer、Geoff Holmes：
机器学习98（3）：455-482（2015）
使用漂移流数据进行主动学习。
Indre Zliobaite、Albert Bifet、Bernhard Pfahringer、Geoffrey Holmes。IEEE传输。神经网络。学习系统。25(1): 27-39 (2014)
CD-MOA：用于大规模在线分析的变更检测框架
阿尔伯特·比费特（Albert Bifet）、杰西·里德（Jesse Read）、伯恩哈德·普法林格（Bernhard Pfahringer）、杰夫·霍姆斯（Geoff Holmes）、因德里奥拜特（Indre Zliobaite）。国际开发协会2013:92-103
基准数据流分类中的陷阱及其避免方法
阿尔伯特·比费特（Albert Bifet）、杰西·里德（Jesse Read）、因德里奥贝特（Indre Zliobaite）、伯恩哈德·普法林格（Bernhard Pfahringer）和杰夫·霍姆斯（Geoff Holmes）。在欧洲数据库机器学习和知识发现会议，捷克共和国布拉格，第465-479页，2013年。
数据流中连续离群点检测：一个可扩展框架和最新算法
Dimitrios Georgiadis、Maria Kontaki、Anastasios Gounaris、Apostolos N.Papadopoulos、Kostas Tsichlas、Yannis Manolopulos。2013年SIGMOD会议：1061-1064。
一种用于MOA流挖掘系统的高效闭频繁项集挖掘器。
马西莫·夸德纳（Massimo Quadrana）、阿尔伯特·比费特（Albert Bifet）、里卡德·加瓦尔达（Ricard Gavaldá）。CCIA 2013:203-212年
可扩展且高效的多标签分类，用于不断发展的数据流。
Jesse Read、Albert Bifet、Geoff Holmes、Bernhard Pfahringer:机器学习88（1-2）：243-272（2012）
AnyOut：流数据的任何时间异常检测。
Ira Assent、Philipp Kranen、Corinna Baldauf、Thomas Seidl。DASFAA（1）2012:228-242
使用MOA框架进行流数据挖掘。
菲利普·克莱恩、哈迪·克莱默、蒂姆·詹森、托马斯·塞德尔、阿尔伯特·比费特、杰夫·霍姆斯、伯恩哈德·普法林格、杰西·里德。DASFAA（2）2012:309-313
限制砍伐树木的合奏。
Albert Biffet、Eibe Frank、Geoff Holmes、Bernhard Pfahringer。ACM TIST 3（2）：30（2012）
动态和演化数据中的批量增量与实例增量学习。
杰西·里德（Jesse Read）、阿尔伯特·比费特（Albert Bifet）、伯恩哈德·普法林格（Bernhard Pfahringer）、杰夫·霍姆斯（Geoff Holmes）。国际开发协会2012:313-323
MOA-TweetReader:推特流数据的实时分析。
阿尔伯特·比费特（Albert Bifet）、杰弗里·霍姆斯（Geoffrey Holmes）、伯恩哈德·普法林格（Bernhard Pfahringer）。《发现科学》2011:46-60
进化数据流上频繁闭图的挖掘
阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）、伯恩哈德·普法林格（Bernhard Pfahringer）和里卡德·加瓦尔达（Ricard Gavaldá）。
在第17届ACM SIGKDD国际知识发现和数据挖掘会议KDD’11。
一种有效的进化数据流聚类评价方法。
哈迪·克莱默（Hardy Kremer）、菲利普·克莱恩（Philipp Kranen）、蒂姆·詹森（Timm Jansen）、托马斯·塞德尔（Thomas Seidl）、阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）和伯恩哈德·普法林格（Bernhard Pfahringer）。
在第17届ACM SIGKDD国际知识发现和数据挖掘会议KDD’11.
利用不断发展的流式数据进行主动学习
因德雷·利奥贝特、阿尔伯特·比费特、伯恩哈德·普法林格和杰夫·霍姆斯。
在数据库中的机器学习和知识发现，欧洲会议，ECML PKDD 2011。
MOA：实时分析开源框架
阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）、伯恩哈德·普法林格（Bernhard Pfahringer）、菲利普·克莱恩（Philipp Kranen）、哈迪·克莱默（Hardy Kremer）、蒂姆·詹森（Timm Jansen）和托马斯·塞德尔（Thomas Seid。
2011年ECML PKDD欧洲会议数据库中的机器学习和知识发现演示
MOA：大规模在线分析，流分类和聚类框架
阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）、伯恩哈德·普法林格（Bernhard Pfahringer）、菲利普·克莱恩（Philipp Kranen）、哈迪·克莱默（Hardy Kremer）、蒂姆·詹森（Timm Jansen）、托。
机器学习研究杂志（JMLR）研讨会和会议记录。
第11卷：模式分析应用研讨会（2010年）。
（下载扩展版本在这里.)
利用打包技术发展数据流
阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）和伯恩哈德·普法林格（Bernhard Pfahringer）。
在数据库中的机器学习和知识发现，欧洲会议ECML PKDD 2010.
推特流数据中的情感知识发现
阿尔伯特·比费特和艾比·弗兰克。
在2010年，澳大利亚堪培拉，第13届发现科学国际会议
进化数据流中的快速感知器决策树学习
阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）、伯恩哈德·普法林格（Bernhard Pfahringer）和艾比·弗兰克（Eibe Frank）。
在知识发现和数据挖掘进展，第14届亚太会议，PAKDD 2010.
MOA：大规模在线分析
阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）、理查德·柯克比（Richard Kirkby）和伯恩哈德·普法林格（Bernhard Pfahringer），
在《机器学习研究杂志》第11期，1601-1604页。, 2010.
数据流的精确集合：使用堆叠组合受限Hoeffding树
Albert Biffet、Eibe Frank、Geoff Holmes和Bernhard Pfahringer。
在第二届亚洲机器学习大会，东京。JMLR，2010年.
改进进化数据流的自适应打包方法
阿尔伯特·比费特（Albert Bifet）、杰夫·霍姆斯（Geoff Holmes）、伯恩哈德·普法林格（Bernhard Pfahringer）和里卡德·加瓦尔达（Ricard Gavaldá）
在第一届亚洲机器学习会议，ACML 2009，南京，中国，2009年11月。.
演化数据流的新集成方法
Albert Biffet、Geoff Holmes、Bernhard Pfahringer、Richard Kirkby和Ricard Gavaldà。
在第15届ACM SIGKDD国际知识发现和数据挖掘会议（KDD’09）, 2009.
Hoeffing树中数字属性的处理
伯恩哈德·普法林格（Bernhard Pfahringer）、杰弗里·霍姆斯（Geoffrey Holmes）和理查德·柯克比（Richard Kirkby）。
在亚太知识发现和数据挖掘会议, 2008.
保护树木的新选项
伯恩哈德·普法林格（Bernhard Pfahringer）、杰弗里·霍姆斯（Geoffrey Holmes）和理查德·柯克比（Richard Kirkby）。
在澳大利亚人工智能会议，页
90-99, 2007.
在霍夫丁树上打破平局
杰弗里·霍姆斯（Geoffrey Holmes）、理查德·柯克比（Richard Kirkby）和伯恩哈德·普法林格（Bernhard Pfahringer）。
J.Gama和J.S。阿吉拉尔·鲁伊斯，编辑，工艺车间W6：
第二届数据流知识发现国际研讨会，页
107-116, 2005.
基于缓存层次结构的压缩：一种新的数据流架构
杰弗里·霍姆斯（Geoffrey Holmes）、伯恩哈德·普法林格（Bernhard Pfahringer）和理查德·柯克比（Richard Kirkby）。
在Narayanan Kulathuramaiyer，Alvin W。Yeo、Wang Yin Chai和
Tan Chong Eng，编辑，第四届国际会议
亚洲信息技术（CITA’05），第130-136页，2005年。
2005年12月12日至15日。
压力测试防护树
杰弗里·霍姆斯（Geoffrey Holmes）、理查德·柯克比（Richard Kirkby）和伯恩哈德·普法林格（Bernhard Pfahringer）。
在第九届欧洲原则与实践会议记录
数据库中的知识发现葡萄牙波尔图，第495-502页。施普林格，
2005