基于多相似度模糊C均值聚類的不均衡流數據檢索方法

摘要：針對在不均衡流數據在檢索過程中，由于數據流中存在不均衡性，且易受差異性數據、邊緣數據的影響，導致數據檢索性能下降的問題，提出了基于多相似度模糊C均值聚類的不均衡流數據檢索方法。該方法計算出不均衡流數據之間的多相似度，針對不同相似度的數據，采用模糊C均值算法對其聚類處理。通過構建八叉樹檢索模型，對聚類后的數據進行存儲、編碼和判斷，完成不均衡流數據的檢索。實驗結果表明，所提方法的檢索時間低于20 s，查全率和查準率保持在80%以上，且NDCG（Normalized Discounted CumulativeGain）數值高。

關鍵詞：標準特征矩陣；交叉類簇；數據編碼篩選；不均衡度量；三維坐標；判斷編碼

中圖分類號：TP393. 08 文獻標志碼：A

0 引言

不均衡流數據檢索是指在網絡流量中存在著一些具有較高頻率的流，而其他流則數量較少。這種不均衡的流量分布導致傳統的網絡流量分析方法效果不佳，需要針對這種情況進行專門的研究和分析。隨著互聯網的快速發展，大數據技術逐漸成為熱門課題，被廣泛應用于電力評估、財務學、資源測評等領域，致使網絡流量的規模和復雜性不斷增加，不均衡流數據的問題也日益突出。目前，主要的不均衡流數據檢索方法包括基于采樣、分類器和聚類方法等。基于采樣方法通過對原始數據進行采樣平衡不均衡流數據，但可能會丟失一些重要的流信息。基于分類器方法則使用機器學習算法對流數據進行分類，但需要大量的標記數據和計算資源。……