考虑边界稀疏样本的非平衡数据处理方法

• 作者: 李玉惠 许江淳 陆万荣
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 非平衡数据 混合采样 边界因子 SMOTE算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 495-502
• 页数: 8页
• 分类号: TP273
• 字数: 5048字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2020.03.020

摘要

针对现有非平衡数据处理方法存在的局限性,提出一种考虑边界4稀疏样本的混合采样方法(considering boundary sparse samples-hybrid sampling,CBSS-HS).通过计算每个样本的边界因子识别边界点,将样本空间划分为边界域和非边界域,对非边界域内的负类样本进行欠采样,而由于边界域上样本的稀疏性,对其上正类样本使用基于最大距离的合成少数类过采样技术(max distance-synthetic minority oversampling technique,MD-SMOTE)进行过采样,最大限度地保留正类样本的信息,最终达到2类样本基本平衡.将Recall,F1-value,G-mean和AUC(area under the curve)值作为评价指标,使用CBSS-HS+支持向量机(support vector machines,SVM)算法在5个不同平衡度的数据集上验证其有效性,并与其他4种组合模型的分类效果做对比.结果表明,提出的CBSS-HS算法在不同数据集上各个评价指标都有良好的表现,平均提高了4.6％.因此,该方法可以作为处理非平衡数据的一种有效手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉惠	昆明理工大学信息工程与自动化学院	60	219	8.0	12.0
2	许江淳	昆明理工大学信息工程与自动化学院	52	199	8.0	12.0
3	陆万荣	昆明理工大学信息工程与自动化学院	11	27	3.0	5.0