10.16208/j.issn1000-7024.2022.02.022
基于旋转平衡森林的不平衡数据分类算法
针对不平衡数据中的分类问题,提出一种基于旋转森林的改进模型——旋转平衡森林(rotation balanced forest,ROBF).以集成思想为核心,从数据层和算法层相结合的角度出发,针对Safe-Level-Smote方法中存在的模糊类边界问题采取两点改进:安全等级再划分机制;引入约束度不同的控制因子,经改进后得到Hyper-Safe-Level-Smote,将Hyper-Safe-Level-Smote与旋转森林模型相结合得到旋转平衡森林.通过在UCI的6组数据集上将5种算法进行对比,对比结果表明,ROBF算法在保持良好分类准确率的同时,有着更具竞争力的TPR和G-mean.该结果验证了ROBF算法在处理不平衡问题上的有效性.
集成;不平衡数据;分类;旋转森林;合成少数类过采样技术
43
TP181(自动化基础理论)
2022-03-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
458-464