-
题名类不平衡数据的EM聚类过采样算法
被引量：7
- 1
-
-
作者
谢子鹏
包崇明
周丽华
王崇云
孔兵
-
机构
云南大学信息学院
云南大学软件学院
云南大学生态学与环境学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第1期228-237,共10页
-
基金
国家自然科学基金(61762090,62062066,31760152)
云南省教育厅科学研究基金项目(2019J0005)。
-
文摘
针对分类任务中的不平衡数据集造成的分类性能低下的问题,提出了类不平衡数据的EM聚类过采样算法,通过过采样提高少数类样本数量,从根本上解决数据不平衡问题。首先,算法采用聚类技术,通过欧式距离衡量样本间的相似度,选取每个聚类簇的中心点作为过采样点,一定程度解决了样本的重要程度不够的问题;其次,通过直接在少数类样本空间上进行采样,可较好解决SMOTE、Cluster-SMOTE等方法对聚类空间没有针对性的问题;同时,通过对少数类样本数量的30%进行过采样,有效解决基于Cluster聚类的欠采样盲目追求两类样本数量平衡和SMOTE等算法没有明确采样率的问题。在公开的24个类不平衡数据集上进行了实验,验证了方法的有效性。
-
关键词
分类任务
不平衡数据集
类不平衡
过采样
聚类
-
Keywords
classification task
imbalanced dataset
class imbalanced
oversampling
clustering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
