一种改进的基于欧氏距离的SDRSMOTE算法

摘要：

SMOTE算法可以扩充少数类样本,提高不平衡数据集中少数类的分类能力,但是它在扩充少数类样本时对于边界样本的选择以及随机数的取值具有盲目性.针对此问题,将传统的SMOTE过采样算法进行改进,改进后的过采样算法定义为SDRSMOTE,该算法综合考虑不平衡数据集中全部样本的分布状况,通过融合支持度sd和影响因素posFac来指导少数类样本的合成.在WEKA平台上分别使用SMOTE、SDRSMOTE算法对所选用的6个不平衡数据集进行过采样数据预处理,然后使用决策树、Ada-Boost、Bagging和朴素贝叶斯分类器对预处理后的数据集进行预测,选择F-value、G-mean和AUC作为分类性能的评价指标,实验表明SDRSMOTE算法预处理的不平衡数据集的分类效果更好,证明了该算法的有效性.

关键词：不平衡数据集、分类、边界样本、支持度、影响因素、欧氏距离、SMOTE

所属期刊栏目：41

分类号：TP311(计算技术、计算机技术)

在线出版日期：2019-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2063-2070