面向不平衡分类的IDP-SMOTE重采样算法

• 作者: 冯成旭 刘忠 周德超 盛凯
• 来源期刊: 计算机应用研究
• 关键词: 不平衡数据 分类 重采样 密度峰值聚类
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 115-118
• 页数: 4页
• 分类号: TP311|TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.07.0699

摘要

传统的分类算法在对不平衡数据进行分类时,容易导致少数类被错分.为了提高少数类样本的分类准确度,提出了一种基于改进密度峰值聚类的采样算法IDP-SMOTE.首先,采用Box-Cox变换和σ准则对密度峰值聚类算法进行改进,实现了聚类中心和离群点的自动判别;然后,将改进的密度峰值聚类算法与SMOTE升采样算法相结合,去除噪声数据,并基于少数类样本的局部密度和邻近距离,在子类的范围内合成采样数据.该算法有效避免了升采样导致的边界模糊,改善了类内不平衡及边界样本难以学习的问题,同时实现了自动聚类和重采样,防止了人为因素干扰.通过实验对比,验证了提出算法的有效性和自适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘忠	海军工程大学电子工程学院	319	1950	19.0	27.0
2	周德超	海军工程大学电子工程学院	34	127	7.0	9.0
3	冯成旭	海军工程大学电子工程学院	9	77	4.0	8.0
4	盛凯	海军工程大学电子工程学院	4	12	3.0	3.0