一种非平衡数据分类的过采样随机森林算法

• 作者: 卢会国 柳学丽 蒋娟萍 袁培培 赵锦阳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 非平衡数据集 少数类 合成样本 分类
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 算法
• 页码范围: 255-261,316
• 页数: 8页
• 分类号: TP391.4
• 字数: 6161字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.04.041

摘要

在灾害天气、故障诊断、网络攻击和金融欺诈等领域经常存在不平衡的数据集.针对随机森林算法在非平衡数据集上表现的分类性能差的问题,提出一种新的过采样方法:SCSMOTE(Seed Center Synthetic Minority Over-sampling Technique)算法.该算法的关键是在数据集的少数类样本中找出合适的候选样本,计算出候选样本的中心,在候选样本与样本中心之间产生新的少数类样本,实现了对合成少数类样本质量的控制.结合SCS-MOTE算法与随机森林算法来处理非平衡数据集,通过在UCI数据集上对比实验结果表明,该算法有效提高了随机森林在非平衡数据集上的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢会国	成都信息工程大学电子工程学院	31	137	6.0	10.0
5	蒋娟萍	成都信息工程大学电子工程学院	12	41	4.0	6.0
9	赵锦阳	成都信息工程大学电子工程学院	4	6	1.0	2.0
10	袁培培	电子科技大学航空航天学院	1	5	1.0	1.0
11	柳学丽	南京财经大学信息工程学院	1	5	1.0	1.0