针对不平衡数据的改进的近邻分类算法

• 作者: 杨有龙 王彩文
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K近邻算法 不平衡数据 分类算法 核密度估计
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 理论与研发
• 页码范围: 30-38
• 页数: 9页
• 分类号: TP391
• 字数: 7651字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0501

摘要

针对不平衡数据分类问题,一种基于密度的近邻分类算法(DNN)被提出.它利用核密度估计敏锐地捕捉不平衡数据的局部分布特征,由此产生更好的分类结果.用核密度估计方法估计查询实例的各类别密度,以此对其进行密度定位;将原始数据空间中的点映射到由类别密度和距离信息构成的空间;在这个映射空间中动态地选择近邻并对查询实例进行分类.实验结果表明,DNN算法在15个不平衡数据集上分类性能良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨有龙	西安电子科技大学数学与统计学院	44	147	7.0	10.0
2	王彩文	西安电子科技大学数学与统计学院	1	0	0.0	0.0