面向不平衡数据集分类的离散高维空间距离采样和极端随机树算法

袁 帅 余 伟 余 放 李石君

1(郑州电力高等专科学校信息通信系 河南 郑州 450000)2(武汉大学数据科学研究所 湖北 武汉 430072)

0 引 言

随着我国经济的发展，对电力需求不断增大，保证电力系统的安全稳定运行，有效诊断预测电网故障尤为重要。近年来计算机和诊断技术不断发展，电网故障诊断技术也得到飞速的提升。国内外学者已运用的专家系统、神经网络、Petri网、机器学习和深度学习等智能故障诊断技术[1]，虽然在故障诊断上都取得了较好的效果，但存在前提条件苛刻(数据预处理要求过高)、局部欠学习和过学习等问题。本文样本中正常数据占绝大部分，而故障数据只占小部分，正常和故障数据分别为大类和小类样本，即构成典型的不平衡数据。

当前，不平衡数据分类问题的解决方法[2]主要有2个方面：(1) 数据层面，上采样和下采样，改变数据分布，降低不平衡度，称之为重采样方法；(2) 算法层面，分析已有算法在面对不平衡数据的缺陷，改进算法或者提出新算法来提升小类的分类准确率，例如代价敏感学习和集成学习[3]等。

针对故障诊断不平衡的样本数据，Zhang等[4]提出了基于快速聚类和支持向量机的旋转机械故障诊断算法，通过快速聚类减少数据，平衡后利用支持向量机进行训练，有较好的诊断效果。Zhang等[5]提出综合上采样和特征学习的旋转机械不平衡数据故障诊断方法，用加权上采样法平衡数据分布，用增强的自动编码进行特征选择，可以更有效地检测故障样本。……