基于深度学习的不均衡网络数据分类技术研究

• 作者: 李青 赵唱 鞠永慧 何鑫泰 张健
• 来源期刊: 信息工程大学学报
• 关键词: 网络数据分类 不均衡数据 深度学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 软件工程
• 页码范围: 215-221
• 页数: 7页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.02.014

摘要

在现实网络环境中,数据分布不均衡是普遍现象,也是研究的热点问题.利用传统机器学习算法解决该问题的研究成果较多,综述性研究也较丰富.但当前从深度学习的角度探讨数据不均衡问题已成为新趋势.对此,综述了基于深度学习方法的研究成果.通过对数据不均衡问题进行深入分析,从数据预处理、分类器设计及改进两大方面梳理相关技术路线,包括传统采样方法与深度学习相结合、利用深度学习网络模型合成数据、代价敏感学习、设计端到端模型的方法,最后针对现有研究提出开放性问题.