构造性覆盖算法的SMOTE过采样方法

• 作者: 严远亭 吴增宝 张以文 张燕平 朱原玮
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 不平衡数据 过采样技术 合成少数类过采样技术(SMOTE) 构造性覆盖算法(CCA)
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 975-984
• 页数: 10页
• 分类号: TP18
• 字数: 6574字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1905091

摘要

如何提高对少数类样本的识别能力是不平衡数据分类中的一个研究热点.合成少数类过采样技术(SMOTE)是解决此类问题的代表性方法之一.近年来,不少研究者对SMOTE做出了一些改进,较好地提高了该方法的性能.然而,如何有效地选取典型少数类样本进行过采样仍然是一个值得研究的问题.此外,被孤立的少数样本在提高模型性能方面的潜在能力也没有得到足够的重视.针对上述问题,提出了基于构造性覆盖算法(CCA)的过采样技术CMOTE.CMOTE提供了两种不同策略下选择关键样本的方法:基于覆盖内样本个数的方法与基于覆盖密度的方法.在12个典型的不平衡数据集上验证CMOTE算法的性能.实验结果表明,CMOTE算法在总体上优于对比方法,并且通过强化关键样本对模型性能的影响增强了模型的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算机科学与技术学院	148	1556	21.0	32.0
2	张以文	安徽大学计算机科学与技术学院	45	260	9.0	14.0
3	严远亭	安徽大学计算机科学与技术学院	8	28	3.0	5.0
4	朱原玮	安徽大学计算机科学与技术学院	1	0	0.0	0.0
5	吴增宝	安徽大学计算机科学与技术学院	1	0	0.0	0.0