基于改进SMOTE的非平衡数据集分类研究

• 作者: 张星 潘正茂 王超学 董丽丽 马春森
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非平衡数据集 分类 支持度 轮盘赌选择 合成少数过采样技术(SMOTE)
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 184-187,245
• 页数: 5页
• 分类号: TP181
• 字数: 2265字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1109-0145

摘要

针对SMOTE(Synthetic Minority Over-sampling Technique)在合成少数类新样本时存在的不足,提出了一种改进的SMOTE算法(SSMOTE).该算法的关键是将支持度概念和轮盘赌选择技术引入到SMOTE中,并充分利用了异类近邻的分布信息,实现了对少数类样本合成质量和数量的精细控制.将SSMOTE与KNN(K-Nearest Neighbor)算法结合来处理不平衡数据集的分类问题.通过在UCI数据集上与其他重要文献中的相关算法进行的大量对比实验表明,SSMOTE在新样本的整体合成效果上表现出色,有效提高了KNN在非平衡数据集上的分类性能.

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	马春森	中国农业科学院植物保护研究所	51	758	17.0	26.0
3	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
4	张星	西安建筑科技大学信息与控制工程学院	9	49	3.0	7.0
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