基于聚類融合的不平衡數(shù)據(jù)分類研究及其應(yīng)用.pdf

1、伴隨著數(shù)據(jù)采集、數(shù)據(jù)存儲等技術(shù)的不斷進步，各個行業(yè)的數(shù)據(jù)呈現(xiàn)出爆炸式增長。同時，數(shù)據(jù)的類型也呈現(xiàn)出多樣化發(fā)展，其中不平衡數(shù)據(jù)就是一類目前廣泛存在，并出現(xiàn)在許多領(lǐng)域的數(shù)據(jù)類型，如出現(xiàn)在醫(yī)學上的疾病診斷、網(wǎng)絡(luò)上的防入侵系統(tǒng)，文本分類等方面。在不平衡數(shù)據(jù)類型中少數(shù)類具有很高的研究價值，通常是人們研究的重點。
　　傳統(tǒng)的分類算法由于更加關(guān)注數(shù)據(jù)整體的分類效果，而由于多數(shù)類的數(shù)量較多，導致算法對于多數(shù)類的分類效果較好，而對于少數(shù)類的分類性能

2、普遍不高。但在實際應(yīng)用中少數(shù)類通常是我們關(guān)注的焦點，對于分類結(jié)果起著關(guān)鍵作用。
　　針對這種情況，論文具體分析了傳統(tǒng)分類算法對于少數(shù)類數(shù)據(jù)分類精度不高的原因，并以k-means算法為基礎(chǔ)，提出了基于聚類融合的REKM算法，以改善不平衡數(shù)據(jù)集的不平衡程度。之后將該算法結(jié)合隨機森林分類算法，提出了REKM-RF算法，用于不平衡數(shù)據(jù)的分類。
　　通過對UCI數(shù)據(jù)上的實驗表明，不平衡數(shù)據(jù)集經(jīng)REKM算法處理后，隨機森林算法對于數(shù)據(jù)集