不平衡数据流的集成分类方法综述

作     者：朱诗能 韩萌 杨书蓉 代震龙 杨文艳 丁剑 ZHU Shineng;HAN Meng;YANG Shurong;DAI Zhenlong;YANG Wenyan;DING Jian

作者机构：北方民族大学计算机科学与工程学院银川750021 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2025年第61卷第2期

页      面：59-72页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62062004) 宁夏自然科学基金(2022AAC03279) 

主　　题：不平衡数据流 集成分类 决策规则 学习方式 复杂数据流 

摘      要：现实世界的场景中,从数据流中学习会面临着类不平衡的问题,学习算法由于缺少训练数据而无法有效识别少数类样本。为了介绍不平衡数据流集成分类的研究现状和面临的挑战,依据近年来的不平衡数据流集成分类领域文献,从基于加权、选择和投票的决策规则和基于代价敏感学习、主动学习和增量学习的学习方式的角度详细分析和总结了不平衡数据流的集成方法,并比较了使用相同数据集的算法的性能。针对处理不同类型复杂数据流中的不平问题,从概念漂移、多类、噪声和类重叠四个方面对其集成分类算法进行总结,分析了经典算法的时间复杂度。对动态数据流、缺失信息的数据流、多标签数据流和不确定数据流中不平衡问题的分类挑战提出了下一步的集成策略研究。