一种用于不平衡磁盘故障数据处理的改进CTGAN方法
机器学习
2023-10-11 v1
摘要
针对磁盘产生的故障数据不足以及正常与故障数据数量不平衡的问题。已有的条件表格生成对抗网络（CTGAN）深度学习方法已被证明能有效解决磁盘故障数据不平衡问题。但 CTGAN 不能很好地学习磁盘故障数据的内部信息。本文提出一种基于改进 CTGAN 的故障诊断方法，增加了用于特定类别判别的分类器，并提出基于残差网络的判别器生成对抗网络。我们将其命名为残差条件表格生成对抗网络（RCTGAN）。首先，为增强系统稳定性采用残差网络。RCTGAN 利用少量真实故障数据合成虚假故障数据；然后，将合成数据与真实数据混合以平衡正常与故障数据量；最后，使用平衡数据集训练四种分类器（多层感知机、支持向量机、决策树、随机森林）模型，并用 G-mean 评估模型性能。实验结果表明，RCTGAN 合成的数据能进一步提高分类器的故障诊断准确率。
引用
@article{arxiv.2310.06481,
title = {An improved CTGAN for data processing method of imbalanced disk failure},
author = {Jingbo Jia and Peng Wu and Hussain Dawood},
journal= {arXiv preprint arXiv:2310.06481},
year = {2023}
}