基于改进SMOTE的非平衡数据集分类研究

被引：51

作者：

王超学 ^{[1
]}

潘正茂 ^{[1
]}

董丽丽 ^{[1
]}

马春森 ^{[2
]}

张星 ^{[1
]}

机构：

[1] 西安建筑科技大学信息与控制工程学院

[2] 中国农业科学院植物保护研究所

来源：

计算机工程与应用 | 2013年 / 02期

关键词：

非平衡数据集; 分类; 支持度; 轮盘赌选择; 合成少数过采样技术(SMOTE);

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

针对SMOTE(Synthetic Minority Over-sampling Technique)在合成少数类新样本时存在的不足,提出了一种改进的SMOTE算法(SSMOTE)。该算法的关键是将支持度概念和轮盘赌选择技术引入到SMOTE中,并充分利用了异类近邻的分布信息,实现了对少数类样本合成质量和数量的精细控制。将SSMOTE与KNN(K-Nearest Neighbor)算法结合来处理不平衡数据集的分类问题。通过在UCI数据集上与其他重要文献中的相关算法进行的大量对比实验表明,SSMOTE在新样本的整体合成效果上表现出色,有效提高了KNN在非平衡数据集上的分类性能。

引用

页码：184 / 187+245 +245

页数：5

共 7 条

[1]

基于聚类融合的不平衡数据分类方法 [J].