吉林大学学报(工学版) ›› 2026, Vol. 56 ›› Issue (2): 509-515.doi: 10.13229/j.cnki.jdxbgxb.20241184
• 计算机科学与技术 • 上一篇
Yao-long KANG1(
),Li-lu FENG2,Jing-an ZHANG3
摘要:
在不平衡数据分类中,多数类样本在数量上占优,其分布会对聚类结果产生较大的“拉扯”作用,而少数类样本由于数量少,其特征在整个数据集中相对不明显,导致数据流出现漂移问题,影响数据流分类效果。为解决此问题,本文研究基于谱聚类欠取样的不平衡漂移大数据流分类算法。通过欠取样技术减少不平衡漂移大数据流中多数类数据的冗余数据量,均衡多数类数据与少数类数据的数据量,缓解数据因聚类“拉扯”导致的漂移问题;选取均衡后大数据流的核心点构成核心点集,通过谱聚类算法对此核心点集实施聚类,基于谱聚类所得到的聚类结构以及选定的核心点,实现不平衡漂移大数据流分类。实验结果显示:该算法可实现不平衡漂移大数据流的均衡处理,处理后平均不均衡度可降至1.024,几乎接近于平衡状态;可实现不同属性大数据流核心点的选定与有效分组,为此类大数据流的后续有效应用提供保障。
中图分类号:
| [1] | 宋婷婷, 吴赛君, 裴颂文. 融合BiLSTM的双图神经网络文本分类模型[J]. 上海理工大学学报, 2023, 45(2): 103-111. |
| Song Ting-ting, Wu Sai-jun, Pei Song-wen. Dual graph neural networks with BiLSTM for text classification[J]. Journal of University of Shanghai for Science and Technology, 2023,45(2): 103-111. | |
| [2] | 邓维斌, 王智莹, 高荣壕, 等. 融合注意力与CorNet的多标签文本分类[J].西北大学学报: 自然科学版, 2022, 52(5): 824-833. |
| Deng Wei-bin, Wang Zhi-ying, Gao Rong-hao, et al. Multi-label text classification combining attention with CorNet[J]. Journal of Northwest University (Natural Science Edition), 2022, 52(5): 824-833. | |
| [3] | 崔雨萌, 王靖亚, 刘晓文, 等. 融合注意力和裁剪机制的通用文本分类模型[J]. 计算机应用, 2023, 43(8): 2396-2405. |
| Cui Yu-meng, Wang Jing-ya, Liu Xiao-wen, et al. General text classification model combining attention and cropping mechanism[J]. Journal of Computer Applications, 2023, 43(8): 2396-2405. | |
| [4] | 张虎, 柏萍. 融入句子中远距离词语依赖的图卷积短文本分类方法[J]. 计算机科学, 2022, 49(2): 279-284. |
| Zhang Hu, Bai Ping. Graph convolutional networks with long-distance words dependency in sentences for short text classification[J]. Computer Science, 2022, 49(2): 279-284. | |
| [5] | 赵嘉, 姚占峰, 吕莉, 等. 基于相互邻近度的密度峰值聚类算法[J]. 控制与决策, 2021, 36(3): 543-552. |
| Zhao Jia, Yao Zhan-feng, Li Lyu, et al. Density peak clustering algorithm based on mutual proximity[J]. Control and Decision, 2021, 36(3): 543-552. | |
| [6] | 赵小强, 姚青磊. 基于DBSCAN聚类分解和过采样的随机森林不平衡数据分类算法[J]. 兰州理工大学学报, 2023, 49(6): 80-89. |
| Zhao Xiao-qiang, Yao Qing-lei. Random forest imbalanced data classification algorithm based on DBSCAN clustering decomposition and oversampling[J]. Journal of Lanzhou University of Technology, 2023,49(6): 80-89. | |
| [7] | 黄富幸, 韩文花. 基于Voting机制的IMA-BP不平衡数据分类算法[J]. 科学技术与工程, 2023, 23(27): 11698-11705. |
| Huang Fu-xing, Han Wen-hua. Classification algorithm of IMA-BP for unbalanced data based on voting mechanism[J]. Science Technology and Engineering, 2023, 23(27): 11698-11705. | |
| [8] | 周尔昊, 高尚, 申震. 基于旋转平衡森林的不平衡数据分类算法[J]. 计算机工程与设计, 2022, 43(2):458-464. |
| Zhou Er-hao, Gao Shang, Shen Zhen. Classification algorithm of imbalanced data based on rotation balanced forest[J]. Computer Engineering and Design, 2022, 43(2): 458-464. | |
| [9] | Kenger M N, Ozceylan E. A hybrid approach based on mathematical modelling and improved online learning algorithm for data classification[J].Expert Systems with Applications, 2023, 218(5): 1-16. |
| [10] | 毕志臻, 杨德刚, 冯骥. 面向超大规模数据的自适应谱聚类算法[J].智能系统学报, 2023, 18(2):251-259. |
| Bi Zhi-zhen, Yang De-gang, Feng Ji.Adaptive spectral clustering algorithm for very large scale data[J]. Journal of Intelligent Systems,2023,18(2):251-259. | |
| [11] | 古险峰, 汤永利. 基于群体智能算法的混合属性大数据聚类仿真[J]. 计算机仿真,2023, 40(9): 458-461. |
| Gu Xian-feng, Tang Yong-li. Clustering simulation of mixed attribute big data based on swarm intelligence algorithm[J]. Computer Simulation, 2023,40(9): 458-461. | |
| [12] | 张熳, 徐兆瑞, 沈项军. 一种傅里叶域海量数据高速谱聚类方法[J]. 北京航空航天大学学报, 2022, 48(8): 1445-1454. |
| Zhang Man, Xu Zhao-rui, Shen Xiang-jun. A high-speed spectral clustering method for Fourier domain massive data[J]. Journal of Beijing University of Aeronautics and Astronautics, 2022, 48(8):1445-1454. | |
| [13] | 梁浩玮, 王石, 曹存根. 非完美多分类标签体系下的领域短文本分类方法研究[J]. 计算机科学, 2023, 50(1):185-193. |
| Liang Hao-wei, Wang Shi, Cao Cun-gen. Study on short text classification with imperfect labels[J]. Computer Science, 2023,50(1): 185-193. | |
| [14] | 黄伟, 刘贵全. MSML-BERT模型的层级多标签文本分类方法研究[J]. 计算机工程与应用, 2022, 58(15): 191-201. |
| Huang Wei, Liu Gui-quan. Study on hierarchical multi-label text classification method of MSML-BERT model[J]. Computer Engineering and Applications, 2022, 5815: 191-201. |
| [1] | 周求湛,李新萌,沈皓庆子,武慧南,李媛媛,荣静,胡春华,刘萍萍. 基于注意力机制的不平衡数据的非侵入式负荷分解[J]. 吉林大学学报(工学版), 2026, 56(1): 239-246. |
| [2] | 潘义勇,徐翔宇. 数据不平衡的MobileViT网络交通事故严重程度预测模型[J]. 吉林大学学报(工学版), 2025, 55(3): 947-953. |
| [3] | 黄贤振,郭斌,姜智元,唐继武. 高速电主轴系统振动特性和精度可靠性分析[J]. 吉林大学学报(工学版), 2024, 54(9): 2432-2440. |
| [4] | 康耀龙,冯丽露,张景安,曹素娥. 基于谱聚类的不确定数据集中快速离群点挖掘算法[J]. 吉林大学学报(工学版), 2023, 53(4): 1181-1186. |
| [5] | 宋世军,樊敏. 基于谱聚类的多维数据集异常数据检测方法[J]. 吉林大学学报(工学版), 2023, 53(10): 2917-2922. |
| [6] | 郭世杰,张学炜,张楠,乔冠,唐术锋. 机床主轴热关键点选择与典型转速热误差预测[J]. 吉林大学学报(工学版), 2023, 53(1): 72-81. |
| [7] | 康耀龙,冯丽露,张景安,陈富. 基于谱聚类的高维类别属性数据流离群点挖掘算法[J]. 吉林大学学报(工学版), 2022, 52(6): 1422-1427. |
| [8] | 曹洁,何智栋,余萍,王进花. 数据不平衡分布下轴承故障诊断方法[J]. 吉林大学学报(工学版), 2022, 52(11): 2523-2531. |
| [9] | 刘富,梁艺馨,侯涛,宋阳,康冰,刘云. 模糊c-harmonic均值算法在不平衡数据上改进[J]. 吉林大学学报(工学版), 2021, 51(4): 1447-1453. |
| [10] | 李军军,曹建农,程贝贝,廖娟,朱莹莹. 联合像素与多尺度对象的高分辨率遥感影像谱聚类分割[J]. 吉林大学学报(工学版), 2019, 49(6): 2098-2108. |
| [11] | 邓剑勋, 熊忠阳, 邓欣. 基于谱聚类矩阵的改进DNALA算法[J]. 吉林大学学报(工学版), 2018, 48(3): 903-908. |
| [12] | 刘仲民, 李战明, 李博皓, 胡文瑾. 基于稀疏矩阵的谱聚类图像分割算法[J]. 吉林大学学报(工学版), 2017, 47(4): 1308-1313. |
| [13] | 李军, 李雄飞, 董元方, 赵海英. 一种新的分类器性能评估方法[J]. 吉林大学学报(工学版), 2012, 42(02): 463-468. |
| [14] | 曲琳,周凡,陈耀武. 基于Hausdorff距离的视觉监控轨迹分类算法[J]. 吉林大学学报(工学版), 2009, 39(06): 1618-1624. |
|
||