基于模糊粗糙最近邻算法的不平衡数据分类

• 作者: 章春梅
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 不平衡数据 分类器 SMOTE 模糊粗糙最近邻算法
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 37-41
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.201674

摘要

为了提升不平衡数据中少数类的分类精度,利用SMOTE采样方法对数据集进行平衡化预处理;为了减轻样本重新合成过程中产生的类重叠和噪声对分类精度的影响,选择模糊粗糙最近邻算法(FRNN)作为分类器.在14个不平衡数据集上进行的仿真实验表明,该方法具有较好的分类表现,F值和G值最高分别可达0.965、0.932,是一种适用于不平衡率偏高数据集的分类方法.