面向不平衡数据集的一种改进的k-近邻分类器

摘要：

心脏心律失常数据集的心电图(ECG)数据往往存在各心律失常类型下样本数量不平衡问题.针对此问题,提出了一种新的模式识别分类方法,即改进的基于核的差重建的加权k-近邻分类器(modified kernel difference-weighted k-nearest neighbor classifier,MKDF-WKNN),通过引入修正因子对含样本数较多的类别进行权值抑制,对含样本数较少的类别进行权值的加大,并使用UCI心脏心律失常数据集对ECG数据进行分类.实验结果表明,提出的算法和其他一些基于KNN的算法如KNN,DS-WKNN,DF-WKNN和KDF-WKNN相比,对于不平衡的心律失常数据集的分类有更好的效果.

关键词：心律失常、心电图、模式分类、k-近邻算法、不平衡数据集

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：山东省自然科学基金资助项目ZR2017MF051;教育部人文社科基金资助项目18YJCZH103

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：932-936