基于边界混合重采样的非平衡数据分类方法

• 作者: 侯贝贝 刘三阳 普事业
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持k-离群度 重采样 边界点 非平衡数据分类
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 理论与研发
• 页码范围: 46-52
• 页数: 7页
• 分类号: TP181
• 字数: 6414字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0083

摘要

在非平衡数据分类问题中,为了合成有价值的新样本和删除无影响的原样本,提出一种基于边界混合重采样的非平衡数据分类算法.该算法首先引入支持k-离群度概念,找出数据集中的边界点集和非边界点集;利用改进的SMOTE算法将少数类中的边界点作为目标样本合成新的点集,同时对多数类中的非边界点采用基于距离的欠采样算法,以此达到类之间的平衡.通过实验结果对比表明了该算法在保证G-mean值较优的前提下,一定程度上提高了少数类的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学数学与统计学院	662	5562	32.0	51.0
2	侯贝贝	西安电子科技大学数学与统计学院	1	1	1.0	1.0
3	普事业	西安电子科技大学数学与统计学院	2	1	1.0	1.0