整合DBSCAN和改进SMOTE的过采样算法

• 作者: 冶继民 王亮
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 过采样 类内不平衡 少数类 多样性 SMOTE算法 DBSCAN算法
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 111-118
• 页数: 8页
• 分类号: TP391
• 字数: 6510字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1906-0441

摘要

针对SMOTE(Synthetic Minority Over-sampling Technique)等传统过采样算法存在的忽略类内不平衡、扩展少数类的分类区域以及合成的新样本高度相似等问题,基于综合考虑类内不平衡和合成样本多样性的思想,提出了一种整合DBSCAN和改进SMOTE的过采样算法DB-MCSMOTE(DBSCAN and Midpoint Centroid Synthetic Minority Over-sampling Technique).该算法对少数类样本进行DBSCAN聚类,根据提出的簇密度分布函数,计算各个簇的簇密度和采样权重,在各个簇中利用改进的SMOTE算法(MCSMOTE)在相距较远的少数类样本点之间的连线上进行过采样,提高合成样本的多样性,得到新的类间和类内综合平衡数据集.通过对一个二维合成数据集和九个UCI数据集的实验表明,DB-MCSMOTE可以有效提高分类器对少数类样本和整体数据集的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亮	西安电子科技大学数学与统计学院	11	42	4.0	6.0
2	冶继民	西安电子科技大学数学与统计学院	18	126	5.0	11.0