改进型加权KNN算法的不平衡数据集分类

• 作者: 张涛 潘正茂 王超学 董丽丽 马春森
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 不平衡数据集 分类 K最邻近算法 权重分配模型 遗传算法 K-means算法
• 年，卷（期）: 2012,（20）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 160-163,168
• 分类号: TP181
• 字数: 6106字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.20.041

摘要

K最邻近(KNN)算法对不平衡数据集进行分类时分类判决总会倾向于多数类.为此,提出一种加权KNN算法GAK-KNN.定义新的权重分配模型,综合考虑类间分布不平衡及类内分布不均匀的不良影响,采用基于遗传算法的K-means算法对训练样本集进行聚类,按照权重分配模型计算各训练样本的权重,通过改进的KNN算法对测试样本进行分类.基于UCI数据集的大量实验结果表明,GAK-KNN算法的识别率和整体性能都优于传统KNN算法及其他改进算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董丽丽	西安建筑科技大学信息与控制工程学院	79	651	13.0	22.0
2	张涛	西安建筑科技大学信息与控制工程学院	41	242	8.0	15.0
3	马春森	中国农业科学院植物保护研究所	51	758	17.0	26.0
4	王超学	西安建筑科技大学信息与控制工程学院	17	342	9.0	17.0
5	潘正茂	西安建筑科技大学信息与控制工程学院	2	85	2.0	2.0