基于BSMOTE和逆转欠抽样的不均衡数据分类算法

• 作者: 张亮 杨静 胡荣贵 陈睿
• 来源期刊: 计算机应用研究
• 关键词: 不均衡数据集 边界少数类样本合成过抽样技术 逆转欠抽样技术 多分类器集成
• 年，卷（期）: 2014,（11）
• 页码范围: 3299-3303
• 页数: 5页
• 分类号: TP301.6|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.11.023

摘要

针对传统分类器在数据不均衡的情况下分类效果不理想的缺陷，为提高分类器在不均衡数据集下的分类性能，特别是少数类样本的分类能力，提出了一种基于BSMOTE 和逆转欠抽样的不均衡数据分类算法。该算法使用BSMOTE进行过抽样，人工增加少数类样本的数量，然后通过优先去除样本中的冗余和噪声样本，使用逆转欠抽样方法逆转少数类样本和多数类样本的比例。通过多次进行上述抽样形成多个训练集合，使用Bagging方法集成在多个训练集合上获得的分类器来提高有效信息的利用率。实验表明，该算法较几种现有算法不仅能够提高少数类样本的分类性能，而且能够有效提高整体分类准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡荣贵	解放军电子工程学院网络系	9	75	4.0	8.0
2	张亮	解放军电子工程学院网络系	13	120	5.0	10.0
3	杨静	解放军电子工程学院网络系	4	24	3.0	4.0
4	陈睿	解放军电子工程学院网络系	3	11	2.0	3.0