基于混合采样的非平衡数据分类算法

• 作者: 吴艺凡 梁吉业 王俊红
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 非平衡 支持向量机(SVM) 少数类样本过采样技术(SMOTE) 分类超平面 混合采样
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 理论与算法
• 页码范围: 342-349
• 页数: 8页
• 分类号: TP391
• 字数: 5744字
• 语种: 中文

摘要

过采样和欠采样方法是处理非平衡数据集分类的常用方法,但使用单一的采样算法可能造成少数类样本过拟合或者丢失含有重要信息的样本.提出了基于分类超平面的混合采样算法SVM_HS(hybrid sampling algorithm based on support vector machine),旨在克服SVM算法在处理非平衡数据时分类超平面容易偏向少数类样本的问题.该算法首先利用SVM算法得到分类超平面.然后迭代进行混合采样,主要包括:(1)删除离分类超平面较远的一些多数类样本;(2)对靠近真实类边界的少数类样本用SMOTE(synthetic minority over-sampling technique)过采样,使分类超平面向着真实类边界方向偏移.实验结果表明相比其他相关算法,该算法的F-value值和G-mean值均有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王俊红	山西大学计算机与信息技术学院	22	313	7.0	17.0
5	梁吉业	山西大学计算机与信息技术学院	114	1486	21.0	34.0
9	吴艺凡	山西大学计算机与信息技术学院	1	3	1.0	1.0