动态平衡采样的不平衡数据集成分类方法

• 作者: 温菊屏 胡小生 钟勇
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 分类 不平衡数据 重采样 集成学习 随机森林
• 年，卷（期）: 2016,（2）
• 页码范围: 257-263
• 页数: 7页
• 分类号: TP181
• 字数: 5605字
• 语种: 中文
• DOI: 10.11992/tis.201507015

摘要

传统分类算法假定平衡的类分布或相同的误分类代价，处理不平衡数据集时，少数类识别精度过低。提出一种动态平衡数据采样与Boosting技术相结合的不平衡数据集成分类算法。在每次迭代初始，综合使用随机欠采样和SMOTE过采样获得平衡规模的训练数据，各类别样本数据比例保持随机性以体现训练数据的差异性，为子分类器提供更好的训练平台；子分类器形成后，利用加权投票得到最终强分类器。实验结果表明，该方法具有处理类别不平衡数据分类问题的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温菊屏	佛山科学技术学院电子与信息工程学院	10	65	4.0	8.0
2	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
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