---基于非平稳割点的大数据分类样例选择

针对传统样例选择方法压缩大数据集时，存在计算复杂度较高、时间消耗较大的问题，文中提出基于非平稳割点的样例选择方法。依据在区间端点得到凸函数的极值这一基本性质，通过标记非平衡割点度量一个样例为端点的程度，然后选取端点程度较高的样例，从而避免样例之间距离的计算。该方法旨在不影响分类精度的前提下，达到压缩数据集、提高计算效率的目的。实验表明，文中方法对于类别不平衡度较高的数据集压缩效果明显，同时表现出较强的抗噪性。

12月2日（周三）中午12:30在图书馆一层学习共享空间，计算机系张宁老师将为大家作“基于非平稳割点的大数据分类样例选择”学术讲座。

欢迎有兴趣的老师和同学参加。

讲座期间严格遵守疫情防控要求，请大家配合全程佩戴口罩，保持一米间隔座位，做好防疫。