一种改进的不平衡数据过采样算法BN-SMOTE
杨赛华1
周从华1
蒋跃明2
张付全3
张婷4
1.江苏大学计算机科学与通信工程学院 镇江 2120132.无锡市第五人民医院 无锡 2140733.无锡市妇幼保健院 无锡 2140024.无锡市精神卫生中心 无锡 214151
摘要：针对传统的Borderline—SMOTE方法在选择少数类样本进行合成的过程中,无法识别出完全的边界样本的这一问题,提出一种基于近邻构建边界样本的过采样算法BN-SMOTE.该算法利用最近邻的思想,构建处于决策边界附近的多数类样本集,再以此来确定边界区域的难以学习的少数类样本点,组成一个新的用于合成新样本的少数类样本集.论文使用C4.5决策树和SVM作为分类器,分别在三个真实数据集上进行广泛的评估.仿真结果表明,与传统的SMOTE和Bor-derline—SMOTE方法相比,该算法的G-mean和F-measure值都明显更高,显著提高了不平衡数据集中少数类的分类精度.
关键词：不平衡数据集过采样分类边界区域
分类号：TP301.6(计算技术、计算机技术)
资助基金：江苏省重点研发计划(社会发展)项目(BE2016630,BE2017628)无锡市卫生计生委科研项目(Z201603)
论文发表日期：2020-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2108-2113 )
英文信息