面向非平衡类问题的k近邻分类算法

• 作者: 周俊 范明 邬长安 郭华平
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 非平衡类技术 k近邻 划分 过抽样
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 955-959,977
• 页数: 6页
• 分类号: TP181
• 字数: 5387字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017092181

摘要

针对k近邻(kNN)方法不能很好地解决非平衡类问题,提出一种新的面向非平衡类问题的k近邻分类算法.与传统k近邻方法不同,在学习阶段,该算法首先使用划分算法(如K-Means)将多数类数据集划分为多个簇,然后将每个簇与少数类数据集合并成一个新的训练集用于训练一个k近邻模型,即该算法构建了一个包含多个k近邻模型的分类器库.在预测阶段,使用划分算法(如K-Means)从分类器库中选择一个模型用于预测样本类别.通过这种方法,提出的算法有效地保证了k近邻模型既能有效发现数据局部特征,又能充分考虑数据的非平衡性对分类器性能的影响.另外,该算法也有效地提升了k近邻的预测效率.为了进一步提高该算法的性能,将合成少数类过抽样技术(SMOTE)应用到该算法中.KEEL数据集上的实验结果表明,即使对采用随机划分策略划分的多数类数据集,所提算法也能有效地提高k近邻方法在评价指标recall、g-mean、f-measure和AUC上的泛化性能;另外,过抽样技术能进一步提高该算法在非平衡类问题上的性能,并明显优于其他高级非平衡类处理方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范明	郑州大学信息工程学院	55	376	11.0	16.0
2	邬长安	信阳师范学院计算机与信息技术学院	36	223	9.0	12.0
3	郭华平	信阳师范学院计算机与信息技术学院	18	92	6.0	9.0
4	周俊	信阳师范学院计算机与信息技术学院	1	15	1.0	1.0