面向不平衡工业大数据集的SVM-tree分类算法研究

• 作者: 林君萍
• 来源期刊: 长春师范大学学报
• 学科: 工学
• 关键词: 不平衡大数据 Tomek-links K-means算法 SVM-tree模型
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 计算机科学与技术研究
• 页码范围: 40-46
• 页数: 7页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1008-178X.2022.02.007

摘要

针对不平衡率较高的工业大数据分类问题,提出一种基于SVM-tree的不平衡大数据分类算法研究.利用Tomek-links对清除系统噪声的影响,基于K-means算法对不平衡数据集做分簇处理,降低数据分类的复杂度,构建SVM-tree模型,将不平衡数据样本映射到高维空间,根据数据集的规模和数据不平衡程度,调整SVM-tree的树形结构,在保证数据分类准确率的同时,也降低了算法模型的代价成本.实验分析结果表明,SVM-tree算法模型具有良好数据聚类性能,算法运行时间较短,且不平衡大数据分类准确率高.