用于不均衡数据集分类的KNN算法

• 作者: 孙晓燕 张化祥 计华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 不均衡数据集 K最近邻居(KNN)算法 过抽样 交叉算子
• 年，卷（期）: 2011,（28）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 143-145,236
• 分类号: TP391
• 字数: 5678字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.28.039

摘要

针对KNN在处理不均衡数椐集时,少数类分类精度不高的问题,提出了一种改进的算法G-KNN.该算法对少数类样本使用交叉算子和变异算子生成部分新的少数类样本,若新生成的少数类样本到父代样本的欧几里德距离小于父代少数类之间的最大距离,则认为是有效样本,并把这类样本加入到下轮产生少数类的过程中.在UCI数据集上进行测试,实验结果表明,该方法与KNN算法中应用随机抽样相比,在提高少数类的分类精度方面取得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙晓燕	山东师范大学信息科学与工程学院	14	39	2.0	6.0
2	张化祥	山东师范大学信息科学与工程学院	73	576	14.0	19.0
3	计华	山东师范大学信息科学与工程学院	18	118	6.0	10.0