面向類不均衡數(shù)據(jù)流的分類方法研究.pdf

1、隨著因特網(wǎng)技術(shù)的飛速發(fā)展，每天能獲取數(shù)以萬計(jì)甚至更多的數(shù)據(jù)，這些數(shù)據(jù)以流的形式快速、連續(xù)地到達(dá)，比如各類監(jiān)控系統(tǒng)，網(wǎng)絡(luò)入侵檢測，信用卡欺詐檢測等產(chǎn)生的數(shù)據(jù)。如何從這些規(guī)模宏大、動態(tài)變化、實(shí)時涌現(xiàn)的數(shù)據(jù)流中提取出有效的信息已成為當(dāng)前數(shù)據(jù)挖掘領(lǐng)域研究的熱門問題。
　　數(shù)據(jù)流分類是數(shù)據(jù)流挖掘領(lǐng)域研究的重要內(nèi)容之一，傳統(tǒng)的數(shù)據(jù)分類算法對其不再適用，需要提出新穎的算法處理具有動態(tài)變化的數(shù)據(jù)流。對分類數(shù)據(jù)流的大多數(shù)研究均假設(shè)數(shù)據(jù)是相對平衡和穩(wěn)

2、定的，然而，事實(shí)并非如此。針對數(shù)據(jù)流的不均衡性與概念漂移的特點(diǎn)，本文提出了兩種數(shù)據(jù)流分類模型，具體內(nèi)容如下：
　　(1)針對數(shù)據(jù)流規(guī)模巨大、實(shí)時性的特點(diǎn)，提出了基于神經(jīng)網(wǎng)絡(luò)的不均衡數(shù)據(jù)流集成分類算法。該集成模型包含三個部分：平衡訓(xùn)練數(shù)據(jù)流樣本、構(gòu)建集成分類器池、用新到達(dá)的數(shù)據(jù)流樣本增量更新分類算法。用改進(jìn)的降采樣方法平衡數(shù)據(jù)流，BP神經(jīng)網(wǎng)絡(luò)作為基分類器。本文選擇了三個標(biāo)準(zhǔn)方法進(jìn)行實(shí)驗(yàn)對比，從UCI機(jī)器學(xué)習(xí)庫中選取十個數(shù)據(jù)集進(jìn)行評估

3、，實(shí)驗(yàn)結(jié)果表明本文提出的算法能有效地處理具有非穩(wěn)定和不均衡特征的數(shù)據(jù)流分類問題。
　　(2)針對數(shù)據(jù)流動態(tài)變化、非穩(wěn)定的特點(diǎn)，提出了一個基于雙加權(quán)在線極限學(xué)習(xí)機(jī)的不均衡數(shù)據(jù)流分類模型。該模型以在線極限學(xué)習(xí)機(jī)作為基分類器，從時間和空間角度分析樣本的分布特點(diǎn)，提出了一個自適應(yīng)雙加權(quán)機(jī)制來調(diào)整樣本在時間層面和空間層面的權(quán)重。分別采用概率密度函數(shù)計(jì)算在時間層面的權(quán)值以及增量式的概率神經(jīng)網(wǎng)絡(luò)計(jì)算在空間層面的權(quán)值，利用雙權(quán)值平衡當(dāng)前數(shù)據(jù)的類分