面向动态数据块的非平衡数据流分类算法

2021-07-14 16:21:44王俊红郭亚慧
计算机工程与应用 2021年13期
关键词:概念分类检测

王俊红,郭亚慧

1.山西大学 计算机与信息技术学院,太原030006

2.计算智能与中文信息处理教育部重点实验室,太原030006

在计算机网络中,控制监控系统的故障诊断和入侵检测等数据流往往呈现不均衡的类分布。在这些情况下,某些类别的数据比其他类别的数据更困难或更有意义,在文献中称为类别不平衡。在不平衡数据中,一般只含有两类,其中样本少的类称为少数类,而样本多的类则称为多数类。目前传统的针对平衡数据集的分类算法对于多数类和少数类的分类精度相差甚远,导致整体上的分类准确率比较好,但是少数类的分类效果比较差[1]。这可能会导致性能的大幅下降,因为大量的多数类示例会超过模型的增量更新,而少数类示例很可能被忽略[2]。所以,非平衡数据分类算法任务的重点就在于如何提高少数类的精度,还要维持较高的整体分类精度。从这种不平衡的数据流中学习被称为在线类不均衡(OCI)学习[3],这对现有的研究提出了挑战。数据流中的概念漂移就是其中之一,即底层数据的分布随时间发生不可预测的变化现象。这一点在数据流分类中是很重要,因为在现实世界中,数据往往是非平稳的。例如,在故障检测过程中可能会出现新的故障类型。虽然存在检测和处理概念漂移的方法,但是类不平衡加剧了需要解决的问题。

近年来,不平衡数据分类问题已经引起了国内外众多学者的广泛关注,主要是从数据预处理层和分类算法层两方面进行[4]。……

登录APP查看全文

猜你喜欢
概念分类检测
Birdie Cup Coffee丰盛里概念店
现代装饰(2022年1期)2022-04-19 13:47:32
分类算一算
幾樣概念店
现代装饰(2020年2期)2020-03-03 13:37:44
教你一招:数的分类
小波变换在PCB缺陷检测中的应用