ارائه یک الگوریتم طبقه‌بندی ترکیبی برای طبقه‌بندی داده‌های جریانی نامتوازن

امروزه، به کارگیری اینترنت اشیاء موجب تسهیل انجام امور روزانه مهم و حیاتی برای افراد و سازمان‌ها شده است. تکنولوژی اینترنت اشیاء کاربردهای بسیاری از قبیل کنترل ترافیک، مراقبت‌های پزشکی، و پیش‌بینی وضعیت آب و هوا دارد. داده‌های حاصل از دستگاه‌های مربوط به اینترنت اشیاء داده‌های جریانی هستند که ماهیت پویایی دارند، با سرعت زیاد تولید می‌شوند، و اغلب دچار برخی چالش‌ها مانند عدم توازن هستند. از این رو، طبقه‌بندی خودکار این داده‌ها با روش‌های قدیمی دشوار است. در این مقاله یک الگوریتم طبقه‌بندی ترکیبی جهت طبقه‌بندی داده‌های جریانی نامتوازن ارائه شده است. در این الگوریتم جهت وزن‌دهی به طبقه‌بندهای پایه در مدل ترکیبی از معیاری استفاده شده است که برخلاف برخی از الگوریتم‌ها، به عدم توازن در داده‌ها اهمیت ویژه‌ای می‌دهد. نتایج ارزیابی الگوریتم پیشنهادی در مقایسه با برخی دیگر از طبقه‌بندهای ترکیبی عملکرد خوب این الگوریتم را نشان می‌دهد به طوری که برای مجموعه‌داده‌های نامتوازن عملکرد آن بهتر از الگوریتم‌های دیگر است. در ارزیابی انجام شده، روش پیشنهادی rue توانست به طور میانگین به نرخ دقت 72% دست یابد، در حالی که روش aue به نرخ دقت 58% و روش awe به نرخ دقت 54% دست یافت.