一种改进的少数类样本过抽样算法

摘要：

针对偏斜数据集的分类问题,提出一种改进的少数类样本过抽样算法(B-ISMOTE).在边界少数类实例及其最近邻实例构成的n维球体空间内进行随机插值,以此产生虚拟少数类实例,减小数据的不均衡程度.在实际数据集上进行实验,结果证明,与SMOTE算法和B-SMOTE算法相比,B-ISMOTE算法具有较优的分类性能.

关键词：偏斜数据集、分类、过抽样、虚拟实例、n维球体空间

所属期刊栏目：38

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60873196

在线出版日期：2012-06-26（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：67-69