基于LLRKNN算法的不平衡数据集分类应用

摘要：

不平衡数据集的特点是类样本数量差异比较大,K近邻(K-Nearest Neighbor,KNN)算法在对这种数据集分类时,容易出现多数类偏向,即容易将少数类识别为多数类.LLRKNN算法是为了降低多数类偏向的影响,对K近邻样本进行重构得出权值,算法分类决策由K近邻样本的权值决定.实验结果表明,LLRKNN算法对不平衡数据集的性能优于KNN算法,具有更好的稳定性.

关键词：不平衡数据、分类、K近邻、重构

所属期刊栏目：14

分类号：TP311(计算技术、计算机技术)

在线出版日期：2019-02-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：238-239,253