一种改进的降噪自编码神经网络不平衡数据分类算法

• 作者: 姜静清 宋佳智 张成刚 裴志利
• 来源期刊: 计算机应用研究
• 关键词: 神经网络 过采样 不平衡数据 分类
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1329-1332
• 页数: 4页
• 分类号: TP183|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.05.011

摘要

针对少数类样本合成过采样技术(synthetic minority over-sampling technique,SMOTE)在合成少数类新样本时会带来噪声问题,提出了一种改进降噪自编码神经网络不平衡数据分类算法(SMOTE-SDAE).该算法通过SMOTE方法合成少数类新样本以均衡原始数据集,考虑到合成样本过程中会产生噪声的影响,利用降噪自编码神经网络算法的逐层无监督降噪学习和有监督微调过程,有效实现对过采样数据集的降噪处理与数据分类.在UCI不平衡数据集上实验结果表明,相比传统SVM算法,该算法显著提高了不平衡数据集中少数类的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裴志利	内蒙古民族大学计算机科学与技术学院	34	300	11.0	16.0
2	姜静清	内蒙古民族大学计算机科学与技术学院	24	190	8.0	13.0
4	张成刚	内蒙古民族大学数学学院	12	47	4.0	6.0
10	宋佳智	东北师范大学计算机科学与信息技术学院	1	13	1.0	1.0