面向流數據的不平衡樣本分類研究.pdf

1、隨著信息技術的迅猛發(fā)展，出現了越來越多的數據形態(tài)，而流數據就是其中之一。該類數據不同于傳統數據，其擁有海量性、實時性和動態(tài)變化性等特點。除此之外，在實際的應用中，數據往往是不平衡的，如信用卡交易記錄中判斷金融詐騙的數據、預測是否患病的醫(yī)療體檢數據等。
　　在處理不平衡樣本問題中，SMOTE算法的思想主要是對相鄰的少數類樣點進行線性插值生成新的少數類樣本點，以此來緩解數據的不平衡性。REA算法在解決面向流數據的不平衡樣本分類問題時是

2、通過采用滑動窗口機制，分時段地對分類器進行訓練，最后采用集成的方法，形成最終的分類器。上述兩種方法在解決本課題的問題上存在著各自的缺點，SMOTE算法并沒有考慮到不同區(qū)域間少數類樣本點的分布問題，并且也不能很好的掌控生成樣本點的位置，而 REA算法僅通過加入歷史少數類樣本點來緩解數據的不平衡性，往往忽略了對概念漂移以及類內不平衡問題的考慮。
　　針對上述問題，本文提出了一種結合了REA算法和SMOTE算法的改進算法——CSMOTE

3、_REA，用來應對面向流數據的不平衡樣本分類問題。在本算法中提出了具有聚類特性的采樣方法，首先在訓練數據中通過加入歷史數據來增加少數類樣本點的數量，然后通過對少數類樣本點進行聚類，以此來達到對不同區(qū)域少數類樣本點的識別目的。同時，本文提出了一種基于網格生成樣本的方法，該算法使得生成的樣本點與原始少數類樣本點具有更強的相關性，增大了少數類樣本點的聚合度。此外，又提出了一種測試樣本自適應的選擇多分類器進行集成的方法，增大了分類器與樣本的關聯