基于主动学习SMOTE的非均衡数据分类

• 作者: 刘小丹 张永 李卓然
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 主动学习 不平衡数据集 少数类样本合成过采样技术 支持向量机
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 基金项目论文
• 页码范围: 91-93,162
• 分类号: TP18
• 字数: 3229字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2012.03.024

摘要

少数类样本合成过采样技术(SMOTE)是一种典型的过采样数据预处理方法,它能够有效平衡非均衡数据,但会带来噪音等问题,影响分类精度.为解决此问题,借助主动学习支持向量机的分类性能,提出一种基于主动学习SMOTE的非均衡数据分类方法ALSMOTE.由于主动学习支持向量机采用基于距离的主动选择最佳样本的学习策略,因此能够主动选择非均衡数据中的有价值的多数类样本,舍弃价值较小的样本,从而提高运算效率,改进SMOTE带来的问题.首先运用SMOTE方法均衡小部分样本,得到初始分类器；然后利用主动学习策略调整分类器精度.实验结果表明,该方法有效提高了非均衡数据的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘小丹	辽宁师范大学计算机与信息技术学院	49	284	8.0	13.0
2	张永	辽宁师范大学计算机与信息技术学院	48	408	12.0	17.0
3	李卓然	辽宁师范大学计算机与信息技术学院	3	34	2.0	3.0