不平衡古漆器漆膜数据分类研究

• 作者: 张岚斌 徐国庆 李澜
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 古漆器漆膜 过采样 集成学习 随机森林
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 84-88
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.201469

摘要

针对古漆器漆膜数据类间不平衡、样本规模小,以及传统机器学习算法分类效果较差的问题,提出一种改进SMOTE的过采样方法改变漆器漆膜数据样本分布,使其达到平衡.该方法通过比较各类样本间的欧式距离,删除了人工样本中的噪声数据,然后运用集成学习中的随机森林算法进行分类,提高了少数类的分类准确率.UCI数据集上的实验结果表明,改进的过采样方法性能更优,评价指标F1-score与AUC值分别得到2％、5％以上的提升.结合改进的过采样方法与机器学习算法进行对比实验,结果证明,随机森林算法精度更高,在对古漆器年代的判别中,随机森林算法的F1-score与AUC值高达87.76％、89.34％.