改进Smote算法在不平衡数据集上的分类研究

• 作者: 吴林海 孙俊 易未 毛力
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 不平衡数据集 Smote算法 R-Smote算法 SD-ISmote算法 ImprovedSmote算法 簇心
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 83-88
• 页数: 6页
• 分类号: TP301.6
• 字数: 5960字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.03.016

摘要

在不平衡数据集中,过抽样算法如Smote(Synthetic Minority Oversampling)算法、R-Smote算法与SD-ISmote算法可能会模糊多数类与少数类的边界以及使用噪声数据合成新样本.本文提出的ImprovedSmote 算法使用少数数据集的簇心与其对应类别的少数集数据,在簇心与不大于样本属性数的对应类别少数集数据形成的图形内随机插值来生成新数据.ImprovedSmote算法结合C4.5决策树与神经网络算法在实验数据集上的结果比Smote, R-Smote与SD-ISmote算法更好,可以有效地提高分类器分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙俊	江南大学物联网工程学院	186	1552	21.0	30.0
2	吴林海	江南大学商学院	109	1342	21.0	32.0
6	毛力	江南大学物联网工程学院	64	283	8.0	12.0
7	易未	江南大学物联网工程学院	2	6	1.0	2.0