一种基于聚类提升的不平衡数据分类算法

• 作者: 张润晶 胡小生 钟勇
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 不平衡数据分类 K均值聚类 AdaBoost 集成学习
• 年，卷（期）: 2014,（2）
• 页码范围: 35-41
• 页数: 7页
• 分类号: TP18
• 字数: 4917字
• 语种: 中文

摘要

不平衡数据分类是机器学习研究领域中的一个热点问题。针对传统分类算法处理不平衡数据的少数类识别率过低问题，文章提出了一种基于聚类的改进AdaBoost分类算法。算法首先进行基于聚类的欠采样，在多数类样本上进行K均值聚类，之后提取聚类质心，与少数类样本数目一致的聚类质心和所有少数类样本组成新的平衡训练集。为了避免少数类样本数量过少而使训练集过小导致分类精度下降，采用少数过采样技术过采样结合聚类欠采样。然后，借鉴代价敏感学习思想，对AdaBoost算法的基分类器分类误差函数进行改进，赋予不同类别样本非对称错分损失。实验结果表明，算法使模型训练样本具有较高的代表性，在保证总体分类性能的同时提高了少数类的分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟勇	佛山科学技术学院电子与信息工程学院	46	354	9.0	17.0
2	张润晶	佛山科学技术学院信息与教育技术中心	8	57	4.0	7.0
3	胡小生	佛山科学技术学院电子与信息工程学院	19	198	7.0	14.0