一种新的过采样算法DBSMOTE

被引：38

作者：

刘余霞 ^{[1
]}

刘三民 ^{[2
,3
]}

刘涛 ^{[2
]}

王忠群 ^{[4
]}

机构：

[1] 安徽工程大学建筑工程学院

[2] 安徽工程大学计算机与信息学院

[3] 南京航空航天大学计算机科学与技术学院

[4] 安徽工程大学管理工程学院

来源：

计算机工程与应用 | 2014年 / 50卷 / 06期

基金：

安徽省自然科学基金;

关键词：

非平衡数据学习; 过采样; 数据分类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

针对非平衡数据集中类分布信息不对称现象,提出一种新的过采样算法DBSMOTE（Distance-based Synthetic Minority Over-sampling Technique）,通过合成少数类新样本解决样本不足问题。算法基于样本与类中心距离,结合类聚集程度提取种子样本。根据SMOTE（Synthetic Minority Over-sampling Technique）算法思想,在种子样本上实现少数类新样本合成。根据种子样本与少数类中心距离构造新样本分布函数。基于此采样算法并在多个数据集上进行分类实验,结果表明DB SMOTE算法是可行的。

引用

页码：92 / 95

页数：4

共 5 条

[1]

一种基于欠采样的不平衡数据分类算法 [J].